基于PSO-SVM模型的深基坑变形预测研究

• 作者: 凌晨阳 刘胜男 彭磊 黄张裕
• 来源期刊: 工程勘察
• 学科: 工学
• 关键词: 深基坑 支持向量机 粒子群算法 变形预测
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 论文
• 页码范围: 82-85
• 分类号: TU196
• 语种: 中文

摘要

深基坑变形预测一直是深基坑工程的一个重点研究课题,具有十分重要的理论意义和实际价值.支持向量机是一种基于结构风险最小化原理的机器学习算法,它具有很好的泛化能力,能够有效地解决小样本、非线性、高维数、局部极小等问题.本文将支持向量机(SVM)理论引入到深基坑的变形预测当中,同时,采用粒子群算法(PSO)来优化SVM的相关参数,将其预测结果与传统的支持向量机模型和BP神经网络模型的预测结果进行对比.结果表明,PSO-SVM模型用于变形预测是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭磊	河海大学地球科学与工程学院	7	14	2.0	3.0
2	黄张裕	河海大学地球科学与工程学院	92	568	12.0	17.0
3	刘胜男	河海大学地球科学与工程学院	5	14	2.0	3.0
4	凌晨阳	河海大学地球科学与工程学院	7	36	3.0	6.0