1、礦區(qū)地表沉降是一個(gè)緩慢且長(zhǎng)期的過(guò)程，隨著沉降量的累積，沉降總量超過(guò)地表所能承載的最大閾值，就會(huì)發(fā)生滑坡等重大災(zāi)害，為了避免災(zāi)害的發(fā)生，長(zhǎng)期監(jiān)測(cè)礦區(qū)地表沉降并掌握其沉降規(guī)律勢(shì)在必行。目前針對(duì)礦區(qū)地表沉降預(yù)測(cè)方法較多，但是傳統(tǒng)的預(yù)測(cè)方法存在誤差大、收斂速度慢等問(wèn)題，因此，探索有效的新方法預(yù)測(cè)礦區(qū)地表沉降規(guī)律具有重大意義。
　　本文在對(duì)礦區(qū)地表沉降預(yù)測(cè)和支持向量機(jī)研究現(xiàn)狀的基礎(chǔ)之上，利用蟻群算法對(duì)支持向量機(jī)進(jìn)行優(yōu)化，并應(yīng)用于礦區(qū)地表沉降

2、預(yù)測(cè)研究，首先介紹了蟻群算法和支持向量機(jī)的基本理論、數(shù)學(xué)模型及其特點(diǎn)；其次采用改進(jìn)網(wǎng)格化的蟻群算法優(yōu)化選擇支持向量機(jī)參數(shù)，基于Visual Studio編程環(huán)境，利用C＃語(yǔ)言編程實(shí)現(xiàn)；最后，通過(guò)以某礦區(qū)地表沉降監(jiān)測(cè)數(shù)據(jù)為數(shù)據(jù)源，采用Fibonacci加權(quán)處理方法對(duì)原始監(jiān)測(cè)數(shù)據(jù)進(jìn)行處理，建立基于蟻群算法的支持向量機(jī)礦區(qū)地表沉降預(yù)測(cè)模型，并與傳統(tǒng)支持向量機(jī)模型預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析。
　　結(jié)果顯示，基于蟻群算法的支持向量機(jī)預(yù)測(cè)模型12號(hào)

3、、22號(hào)、24號(hào)點(diǎn)預(yù)測(cè)值殘差分別為0.0015~0.0028m、0.0015~0.0025m、0.0018~0.0028m，傳統(tǒng)支持向量機(jī)預(yù)測(cè)模型12號(hào)、22號(hào)、24號(hào)點(diǎn)預(yù)測(cè)值殘差分別為0.0055~0.0086m、0.0060~0.0078m、0.0058~0.0081m。研究結(jié)果表明，基于蟻群算法的支持向量機(jī)預(yù)測(cè)模型精度相對(duì)較高，優(yōu)于傳統(tǒng)支持向量機(jī)模型預(yù)測(cè)精度，基于蟻群算法的支持向量機(jī)預(yù)測(cè)模型預(yù)測(cè)值變化曲線更接近實(shí)測(cè)值，由此我們可以