Boosting集成支持向量回归机的滑坡位移预测

• 作者: 傅鹤林 冷伍明 董辉 龙万学
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 支持向量机 Boosting集成 Bagging 滑坡位移 预测
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 土木工程
• 页码范围: 6-10
• 页数: 5页
• 分类号: TU45
• 语种: 中文

摘要

支持向量回归机(SVR)在实际的学习应用中,由于数据时空的复杂性和算法本身的参数选择,学习模型难以达到预期的效果.针对这个问题,提出了基于Boosting集成的支持向量回归机方法.通过在原始数据集加权采样的基础上,进行多次迭代子SVR机器学习,不断调整样本权值再采样,优化机器学习模型,然后对迭代所得的每级支持向量回归结果按某种组合方法进行集成,得到最终的回归函数形式.应用该方法进行了仿真试验和滑坡变形时序预测研究.结果表明:使用集成的SVR进行回归预测较之单一的SVR具有更高的准确性和更好的泛化性.对Boosting与Bagging 2种不同的集成SVR,进行了比较研究,试验结果表明,2种算法性能相差不大,总体上前者强于后者.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙万学		42	662	15.0	25.0
2	冷伍明	中南大学土木建筑学院	131	2063	24.0	39.0
3	傅鹤林	中南大学土木建筑学院	225	1909	23.0	35.0
4	董辉	中南大学土木建筑学院	9	182	5.0	9.0