关键词：残差型;最小二乘支持向量机;覆盖层冒落高度;碴石厚度;预测;钻孔摄影;Residual type;Least squares support vector machine;Covering caving height;Ballast stone thickness;Prediction;Drilling photography
摘 要：受限于空区形成条件及其变化的复杂性、随机性,传统用于空区顶板围岩冒落高度及碴石厚度预测的方法往往预测精度偏低.为此,在结合各种单一人工智能预测方法优势的基础上,提出了一种新的预测模型——残差型灰色最小二乘支持向量机预测模型(G-LSSVM),将该模型应用到某铁矿的覆盖层冒落高度及碴石厚度预测中,预测的结果与实际钻孔摄影监测相比,结果极为接近.研究表明:残差型G-LSSVM用于覆盖层冒落高度及碴石厚度预测是有效可行的.