基于KPCA-GPC的地震砂土液化预测

• 作者: 刘建 彭俊 赵国彦
• 来源期刊: 中国地质灾害与防治学报
• 关键词: 砂土液化 特征冗余 核主成分分析 高斯过程分类 预测模型
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 地质灾害综合评价及其他
• 页码范围: 130-136
• 页数: 7页
• 分类号: P642.11+6
• 语种: 中文
• DOI: 10.16031/j.cnki.issn.1003-8035.2017.04.21

摘要

在砂土液化多指标综合判别法中,采用的判别因子数量一般为5 ～12,为防止特征冗余,引入核主成分分析(KPCA)对原始样本进行非线性特征提取,同时基于高斯过程分类(GPC)原理,构建了砂土液化预测的KPCA-GPC模型.以唐山地震砂土液化的25个案例为样本,选取平均粒径D50、地下水位dw、标准贯入击数N＼635、砂层埋深ds、地震烈度I、震中距离L、不均匀系数Cu、剪应力与有效上覆应力比τd/σ'v共8个指标作为判别因子,对该模型进行验证.研究结果表明:距离判别分析(DDA)、高斯过程分类(GPC)、Seed法的判别准确率分别为83％、83％、67％,而KPCA-DDA和KPCA-GPC的判别准确率均为100％,由此说明消除特征冗余的必要性及KPCA-GPC模型的适用性;同时,与DDA 、SVM、BP等确定性判别方法相比,GPC可获得具有概率意义的砂土液化预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵国彦	中南大学资源与安全工程学院	151	2274	25.0	40.0
2	刘建	中南大学资源与安全工程学院	20	68	5.0	7.0
3	彭俊	中南大学资源与安全工程学院	15	56	5.0	6.0