PSO优化的SVM模型在成矿预测中的应用
成矿预测是在预测基本理论指导下,根据成矿地质理论、成矿地质规律、成矿条件、控矿因素和找矿标志对还没有而将来可能或应当发现的矿床做出推断、解释和评价,提出潜在矿床发现的途径,本文构建了一种将粒子群优化算法(PSO)与支持向量机(SVM)相结合的预测模型，通过对己知矿产信息的模拟实验，得到很好的预测效果;将其与标准支持向量机预测模型的预测结果进行比较，结果表明PSO-SVM预测模型预测精度更高，具有更好的泛化功能。本模型的构建，为成矿预测探索了一种效果较好的预测算法模型。
成矿预测 粒子群优化算法 支持向量机 数学模型
刘光萍 王静
东华理工大学理学院,江西抚州344000
国内会议
深圳
中文
133-133
2012-03-16（万方平台首次上网日期，不代表论文的发表时间）