论文部分内容阅读
简要介绍了基于统计学习理论的支持向量机回归（SVR）原理，针对边坡稳定性影响因素的复杂性，结合实例运用SVR技术构建了铀矿边坡稳定性的支持向量回归预报模型，并利用网格搜索与留一交叉验证方法（LOOCV）优化模型参数。研究表明，在小样本条件下， SVR预报模型对训练样本的计算值与实测值平均相对误差（MRE）为0.045967%，相对均方误差（MSRE）为0.046371%，拟合值（VOF）为1.999995765，相关系数（R）为0.9984，均比人工神经网络方法的相应指标值要小，说明支持向量回归方法是一种