基于主成分分析和粒子群优化支持向量机的边坡稳定性评价

• 作者: 王晨晖
• 来源期刊: 防灾科技学院学报
• 学科: 工学
• 关键词: 边坡 稳定性 主成分分析法 粒子群算法 支持向量机
• 年，卷（期）: 2017,（2）
• 页码范围: 26-31
• 页数: 6页
• 分类号: TU457
• 字数: 2844字
• 语种: 中文

摘要

为科学评价边坡工程的稳定性,优化边坡稳定性的预测精度,提高工作效率,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型.首先利用主成分分析法对边坡稳定性影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,然后通过粒子群算法优化支持向量机参数,最终建立边坡稳定性评价模型,并对边坡实例的稳定性进行预测,结果表明:PCA-PSO-SVM模型的运行速度快,预测准确率达90.9％,满足工程要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晨晖	河北地质大学勘查技术与工程学院	4	11	2.0	3.0