基于LS - SVM的模式判别技术在边坡稳定性分析中的应用

• 作者: 刘丙午 刘俊娥 曾凡雷 林大超 郭章林
• 来源期刊: 金属矿山
• 学科: 经济
• 关键词: 支持向量机 参数寻优 模式判别 边坡 稳定性判别
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 采矿工程
• 页码范围: 58-61
• 分类号: F426.1
• 字数: 2947字
• 语种: 中文

摘要

由于边坡外部影响因素与内部力学性质的复杂性,边坡稳定性与各影响因素间具有高度的非线性关系,很难构建出一种普适性模型来描述边坡稳定性变化的过程.SVM(支持向量机)是一种智能化的经验学习算法,在处理非线性问题中表现出极大的优势.利用支持向量机对边坡各影响因素的数据进行分析,对边坡稳定性状态与影响因素的对应关系进行经验学习,根据学习的经验知识,利用模态判别方法对边坡的稳定性状态进行判断.试验结果表明:所提出的边坡稳定性判别方法具有很好的应用效果,可以满足工程应用的实际需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘丙午	北京物资学院信息学院	63	371	9.0	16.0
2	郭章林	华北科技学院建筑工程学院	29	319	10.0	17.0
3	刘俊娥	北京物资学院信息学院	30	241	9.0	14.0
4	曾凡雷	河北工程大学经济管理学院	2	17	2.0	2.0
5	林大超	华北科技学院建筑工程学院	19	160	5.0	12.0