PCA-GWO-SVR机器学习用于边坡爆破振动速度峰值预测研究

打开文本图片集

摘要： 针对复杂场地环境下传统经验公式预测精度不高的问题，提出了一种主成分分析（PCA）特征选取下基于灰狼优化支持向量回归机算法（PCA‑GWO‑SVR）的爆破振动速度峰值预测模型。以白鹤滩水电站右岸坝肩槽爆破开挖监测数据为依据，选取爆心距、单响药量、高程差、纵波波速、炮孔间距、炮孔排距作为输入参数，通过PCA的数据降维对特征值进行选取，将选取的6种特征降维后化为4种相关性更高的特征；使用灰狼优化算法（GWO）改进支持向量回归机（SVR）以获取最优参数；将参数输入到SVR模型中进行计算评估。（剩余15750字）