高斯过程机器学习在边坡稳定性评价中的应用

• 作者: 宋咏春 燕柳斌 苏国韶
• 来源期刊: 岩土力学
• 关键词: 岩土力学 边坡稳定 高斯过程 机器学习
• 年，卷（期）: 2009,（3）
• 页码范围: 675-679,687
• 页数: 6页
• 分类号: TU457
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7598.2009.03.018

摘要

针对边坡工程是复杂的非线性系统,采用常规的理论分析和数值计算方法难以满足对边坡稳定性评价的高精度与快速性的要求,为此,提出对处理非线性复杂问题具有很好的适应性一种有概率意义的核学习机--高斯过程机器学习方法来解决边坡稳定性的合理评价问题,建立了相应的边坡稳定性预测模型.工程应用研究结果表明,采用高斯过程机器学习方法进行边坡稳定性评价是科学可行的,该方法能很好地表达边坡稳定性与各影响因素之间的非线性映射关系,能方便快捷地给出合理可靠且具有概率意义的边坡稳定状态评价结果,为实现边坡快速设计的工程实践要求提供了一条新的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	燕柳斌	广西大学土木建筑工程学院	75	545	14.0	19.0
2	苏国韶	中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室	86	1041	18.0	29.0
4	宋咏春	广西大学机械工程学院	8	106	4.0	8.0