支持向量机在边坡稳定分析预测的应用

• 作者: 洪勇 邵珠山 马力
• 来源期刊: 沈阳建筑大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 边坡稳定 粒子群算法 支持向量机 预测
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 土木工程
• 页码范围: 1004-1010
• 页数: 7页
• 分类号: TU457|P642.22
• 语种: 中文
• DOI: 10.11717/j.issn:2095-1922.2017.06.06

摘要

目的 提出一种基于改进算法的支持向量机模型(PSO-SVM),利用边坡的参数分析预测边坡稳定性.方法 利用支持向量机有效解决小样本、高维数、非线性等问题的优势,建立粒子群算法(PSO)优化的支持向量机模型,粒子群算法优化支持向量机参数,模型中边坡几何参数和强度参数:边坡角β、边坡高度H、岩石容重γ、黏聚力c、内摩擦角φ以及孔隙水压力ru作为输入参数,边坡稳定性系数FS和边坡稳定状态S作为输出参数.结果 PSO-SVM模型与网格搜索算法(GS)、遗传算法(GA)优化SVM模型以及人工神经网络ANN模型相比,具有更高的分类精度和更强的预测能力.结论 PSO-SVM模型能够准确地获得边坡的稳定性系数,评价其稳定性,在边坡稳定分析和预测中具有良好的实际应用价值.