基于组合核函数的高斯过程边坡角智能设计

• 作者: 刘保国 刘开云 徐冲 郭佳奇
• 来源期刊: 岩土力学
• 关键词: 边坡工程 高斯过程 边坡角设计 机器学习 智能预测
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 岩土工程研究
• 页码范围: 821-826
• 页数: 6页
• 分类号: O224
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7598.2010.03.028

摘要

高斯过程(GP)是近年来发展迅速的一种全新学习机.与支持向量机(SVM)相比,该方法有着容易实现、超参数可自适应获取及预测输出具有概率意义等优点.结合边坡工程中的边坡角设计,编写了在多种因素影响下边坡角设计的GP程序,为克服单一核函数预测精度和网络泛化能力差的缺点,采用单一核函数相加作为GP的组合核函数,将自动关联性测定参数(ARD)引入其中,建立了关于超参数的GP回归网络模型,使用共轭梯度下降算法导出最优超参数,用ARD超参数进行输入属性相关性分析和特征选取,并以此网络对测试样本进行学习预测,结合支持向量回归方法给出了在回归问题上的应用和对比分析.结果表明:在边坡角智能设计应用中,采用组合核函数的GPR网络ARD参数具有明确的物理意义,预测回归性能优于SVM,且预测输出的概率解释能更好的体现预测值的代表性,为边坡角设计开辟新径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘保国	北京交通大学土木建筑工程学院	64	803	15.0	25.0
2	刘开云	北京交通大学土木建筑工程学院	41	694	14.0	25.0
3	徐冲	北京交通大学土木建筑工程学院	10	182	5.0	10.0
4	郭佳奇	北京交通大学土木建筑工程学院	12	153	5.0	12.0