基于主成分分析和优化SVM的公路边坡稳定性评价模型

• 作者: 牛鹏飞
• 来源期刊: 防灾科技学院学报
• 学科: 交通运输
• 关键词: 公路边坡 主成分分析 遗传算法 支持向量机 稳定性
• 年，卷（期）: 2019,（4）
• 页码范围: 8-14
• 页数: 7页
• 分类号: U416.1+4|TU43
• 字数: 2083字
• 语种: 中文

摘要

影响公路边坡稳定性的因素众多,各因素与边坡稳定性之间的关系是未知且非线性的,常规简单数学模型难以对边坡稳定性进行有效评价.通过主成分分析法(Principal Component Analysis,PCA)去除影响因素间的相关性,将影响边坡稳定性的6个因素(容重、内聚力、内摩擦角、边坡角、边坡高度、孔隙水压力比)进行主成分提取,得到4个主成分,作为遗传算法(Genetic Algorithms,GA)优化支持向量机(Support Vector Machine,SVM)模型的输入变量,以边坡稳定性作为输出变量,最终建立基于PCA-GA-SVM的公路边坡稳定性评价模型.通过对比检验样本的评价值和实际值,模型的最大绝对误差为0.0921,最大相对误差为9.21％,满足实际工程的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛鹏飞	河北地质大学勘查技术与工程学院	3	0	0.0	0.0