基于PSO-SVR的矿区工作面地表沉陷面状建模研究OA

煤炭开采易引发工作面地表沉陷并损害土地资源。基于机载激光雷达数据,提出一种结合粒子群优化(PSO)与支持向量回归(SVR)的面状地表沉陷建模方法,通过渐进三角网滤波提取高精度地面点,构建沉陷模型,并利用PSO优化SVR参数以提升建模精度与泛化能力。与依赖理想化假设的概率积分法及多为离散像元或剖面的InSAR机器学习相比,该方法可实现全域连续、细粒度的面状预测。实验结果显示,本文所构建模型在验证集与测试集上的均方根误差均低于0.02 m,平均绝对误差均不足0.024 m,同时决定系数接近1,表明所建模型具有较高的预测精度与稳定性。进一步将模型预测沉陷值与水准实测值进行了对比,预测结果误差在0.03 m以内,结果一致性与可信度高。