BP神经网络和SVM在矿山环境评价中的应用分析

被引：37

作者：

李东 ^{[1
,2
]}

周可法 ^{[1
]}

孙卫东 ^{[3
]}

王金林 ^{[1
]}

于浩 ^{[3
]}

刘慧 ^{[1
,2
]}

机构：

[1] 中国科学院新疆生态与地理研究所新疆矿产资源研究中心

[2] 中国科学院大学

[3] 新疆维吾尔自治区地质矿产勘查开发局信息中心

来源：

干旱区地理 | 2015年 / 38卷 / 01期

关键词：

矿山环境评价; BP神经网络; 支持向量机(SVM); GIS;

D O I：

10.13826/j.cnki.cn65-1103/x.2015.01.017

中图分类号：

TD167 [矿山环境地质]; TP183 [人工神经网络与计算];

学科分类号：

0819 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

矿山环境的影响因素多样,定量评价过程易受人为因素干预。BP神经网络与SVM算法能够自动模拟各因子间的非线性关系。首次将其引入到矿山环境评价中,选取160个单元作为训练样本,以自然地理、基础地质、开发占地及地质环境等4个大类的14个变量指标为输入向量,以单元评价得分为输出向量,分别建立BP神经网络与SVM矿山环境评价模型。结果表明:两种模型均能满足矿山环境评价的精度要求;SVM模型收敛速度较BP神经网络快,MSE小于BP神经网络,更适合矿山环境评价工作;将定量模型应用于研究区,评价得分划分为4个级别,与定性评价结果一致,为矿山环境评价工作提供了新思路。

引用

页码：128 / 134

页数：7

共 17 条

[1] 基于层次分析法的矿山环境评价——以阜新矿集区为例 [J].

孔志召 ;

董双发 ;

姜雪 ;

赵钊 .

世界地质, 2012, 31 (02) :420-425

[2] 干旱区发展的资源环境基础评价:以新疆为例 [J].

张雷 ;

杨波 ;

程晓凌 .

干旱区地理, 2011, 34 (05) :713-718

[3] 基于改进BP神经网络的干旱区芦苇腾发量预测模型 [J].

苏里坦 ;

玉米提 ;

宋郁东 .

干旱区地理, 2011, 34 (04) :551-557

[4] 基于BP人工神经网络的成矿预测模型 [J].

毛政利 ;

闫继涛 ;

赖健清 .

金属矿山, 2009, (07) :66-68

[5] 基于集对分析的矿山地质环境影响评价研究 [J].

蒋复量 ;

周科平 ;

李向阳 ;

肖建清 ;

邓红卫 .

矿冶工程, 2009, 29 (02) :1-4

[6] 小秦岭金矿区地质环境评价附视频 [J].

冯进城 ;

吴艳 ;

赵仕沛 ;

宋文举 ;

邢永强 .

中国水土保持, 2009, (03) :29-31

[7] 基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究 [J].

张飞 ;

塔西甫拉提特依拜 ;

丁建丽 ;

田源 ;

依力亚斯江努尔麦麦提 ;

哈学萍 .

干旱区地理, 2009, 32 (01) :57-66

[8] Research and application of mineral resources assessment by weights of evidence model based on SIG [J].

Yuanyuan Chuai Keyan Xiao Yihua Xuan Shaobin Zhan Institute of Mineral Resources Prognosis of Synthetic Information of Jilin University Changchun Jilin China Institute of Mineral Resources Chinese Academy of Geological Sciences Beijing China College of GeoExploration of Science and Technology Jilin University Changchun China .

Global Geology, 2006, (01) :109-114

[9] 矿山环境评价方法综述 [J].

武强 ;

薛东 ;

连会青 .

水文地质工程地质, 2005, (03) :84-88

[10] 利用BP算法进行新疆MODIS数据土地利用分类研究 [J].

骆成凤 ;

王长耀 ;

刘永洪 ;

牛铮 .

干旱区地理, 2005, (02) :258-262

← 1 2 →