基于RBF-FCM-OLS的边坡稳定性评价方法

• 作者: 李智翔 陈志坚
• 来源期刊: 勘察科学技术
• 关键词: RBF神经网络 模糊-C均值聚类算法 递归正交最小二乘法 稳定性评价
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 理论与技术
• 页码范围: 1-4,17
• 页数: 5页
• 字数: 3088字
• 语种: 中文

摘要

RBF神经网络具有很强的非线性并行处理能力和泛化能力,并且有很快的学习收敛速度,不易陷入局部极小,在边坡稳定性评价中已得到广泛的应用.但其过分依赖于隐含层数据中心的选取是否合适,故引入模糊-C均值聚类(FCM)算法对其进行优化.以122组边坡样本作为样本总体,其中1～114组为训练样本,115～122组为测试样本,运用FCM算法在边坡训练样本中初选多个RBF网络的数据中心,在此基础上运用正交最小二乘法(OLS)训练网络,利用训练后得到的回归矩阵信息在初选结果中重新选择RBF网络的数据中心,从而使数据中心得到优化,简化了RBF神经网络的结构.将优化后的RBF神经网络应用到边坡测试样本的安全系数的预测中,得到较高的预测精度.该方法加快了RBF神经网络的训练速度,提高了运算速率,与传统的BP网络进行比较,进一步证明RBF及其学习算法的优越性和实用性.

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	李智翔	河海大学地球科学与工程学院	1	1	1.0	1.0