[发明专利]一种基于粒子群算法优化支持向量机的爆破振动预测方法

摘要

本发明提供了一种基于粒子群算法优化支持向量机的爆破振动预测的方法，首先利用主成分分析方法对爆破振动影响因子进行特征提取，然后利用改进的PSO算法对支持向量机的核函数、惩罚因子、松弛变量和核参数进行组合优化，分别得到最优的支持向量回归机和支持向量分类机模型，实现对爆破振动数据的分类预测。与传统的支持向量机预测爆破振动速度方法对比，本发明优化得到的组合参数可以更好地改善模型的性能，提高模型的预测精度，从而大大提高爆破振动强度预测的准确率。

主权项

一种基于粒子群算法优化支持向量机的爆破振动预测的方法，其特征在于步骤如下：步骤1：利用主成分分析方法对爆破振动影响因子进行特征提取，得到样本数据集；步骤2：以步骤1得到的样本数据集和振动速度数据为输入数据集，利用改进的PSO算法对支持向量回归机的四个参数进行组合寻优，得到精确度更高的振动速度支持向量回归机模型；以步骤1得到的样本数据集和振动频率数据为输入数据集，利用改进的PSO算法对支持向量回归机的四个参数进行组合寻优，得到精确度更高的振动频率支持向量回归机模型；利用步骤1得到样本数据集和振动持续时间数据为输入数据集，利用改进的PSO算法对支持向量回归机的四个参数进行组合寻优，得到精确度更高的振动持续时间支持向量回归机模型；所述的支持向量回归机的四个参数为：核函数、惩罚因子、松弛变量和核参数；步骤3：分别利用步骤2得到的振动速度、振动频率和振动持续时间的支持向量回归机模型，对步骤1得到的样本数据集进行回归，得到振动速度、振动频率和振动持续时间的预测数据，以这些数据和被保护建筑物的固有频率数据及样本的实际分类结果数据共同作为输入数据，利用改进的PSO算法对支持向量分类机的四个参数进行组合寻优，得到判断爆破是否属于安全爆破的支持向量机分类机模型；所述的支持向量分类机的四个参数为：核函数、惩罚因子、松弛变量和核参数；步骤4：利用步骤3得到的支持向量分类机模型对待预测的爆破振动数据进行分类预测，判断当前爆破是否安全。