基于蚁群算法优化支持向量机的边坡位移预测

• 作者: 余世元 俞俊平 武立军 王澍 陈志坚
• 来源期刊: 长江科学院院报
• 学科: 地球科学
• 关键词: 边坡 支持向量机 蚁群算法 位移预测 优化参数
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 水土保持与生态建设
• 页码范围: 22-27
• 页数: 6页
• 分类号: P642.22|TU457
• 字数: 5280字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5485.2015.04.005

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。借助支持向量机（SVM）可有效解决小样本、高维数、非线性等问题的优点，对边坡实测位移进行数据挖掘，预测边坡变形趋势。为了避免人为选择支持向量机模型参数的盲目性，提高模型预测精度和泛化能力，引入改进的蚁群算法（ACO）对模型参数进行寻优，结合位移时序滚动预测方法，建立了适合边坡变形预测的 ACO-SVM模型。将该模型应用于2个边坡的位移预测，研究结果表明，ACO-SVM预测精度高，模型建立正确。与遗传算法、粒子群算法优化 SVM的预测结果相比，ACO-SVM模型预测精度更高，具有更强的泛化能力，预测结果更加合理，在边坡变形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	武立军	河海大学地球科学与工程学院	3	35	3.0	3.0
3	俞俊平	河海大学地球科学与工程学院	8	32	3.0	5.0
4	王澍	河海大学地球科学与工程学院	2	18	1.0	2.0
5	余世元	河海大学地球科学与工程学院	3	20	2.0	3.0