基于多因素位移时序PSO-SVM的边坡变形预测

• 作者: 俞俊平 武立军 陈志坚
• 来源期刊: 勘察科学技术
• 关键词: 支持向量机 位移时间序列 粒子群算法 边坡变形 多因素
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 理论与技术
• 页码范围: 1-5
• 页数: 5页
• 字数: 4339字
• 语种: 中文

摘要

由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征.针对位移时间序列未能完全考虑环境因素对边坡变形的影响,故将影响边坡变形的有效降雨量加入监测位移时序,组成多因素位移时间序列.引入粒子群算法(PSO)对支持向量机(SVM)的模型参数寻优,结合滚动预测方法,建立了适合边坡变形预测的多因素位移时间序列PSO-SVM模型.以华光潭一级厂房后边坡表面观测位移为例进行预测分析,研究表明,新模型预测结果科学可靠,有效弥补了传统PSO-SVM后期预测泛化能力的不足,提高了模型的预测精度.新模型在边坡位移时序预测中具有一定的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志坚	河海大学地球科学与工程学院	96	850	18.0	26.0
2	俞俊平	河海大学地球科学与工程学院	8	32	3.0	5.0
3	武立军		2	1	1.0	1.0