基于RS-PCA-GA-SVM的砂土液化预测方法研究

• 作者: 于少将2 李绍康3 王帅伟1 袁颖2
• 来源期刊: 地震工程学报
• 学科: 工学
• 关键词: 砂土液化 粗糙集 遗传算法 主成分分析 支持向量机 预测模型
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 岩土工程
• 页码范围: 445-453
• 页数: 9页
• 分类号: TU43
• 字数: 6167字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0844.2019.02.445

摘要

砂土液化是一种危害性比较大的自然灾害,对砂土液化进行判定预测在地质灾害防治领域中有重要的研究意义.通过粗糙集理论(Rough Set,RS)对影响砂土液化的6个初始评价指标(包括震级、土深、震中距、地下水位、标贯击数和地震持续时间)进行属性约简,去掉冗余或干扰信息,得到基于4个核心预测指标的数据集.通过主成分分析法(Principal Component Analysis,PCA)从核心评价指标中提取出主成分,采用支持向量机(Support Vector Machine,SVM)对数据集进行训练,用遗传算法(Genetic Algorithm,GA)优化参数,建立砂土液化的RS-PCA-GA-SVM预测模型.并结合砂土液化实际数据将预测结果与基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做比较.实例计算表明:基于RS-PCA-GA-SVM模型得到的砂土液化预测结果精度较LM-BP神经网络有很大的提高,判别结果与实际情况比较吻合,可在实际工程中应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王帅伟1	中国地质科学院水文地质环境地质研究所	1	1	1.0	1.0
2	于少将2	河北地质大学勘查技术与工程学院	1	1	1.0	1.0
3	李绍康3		1	1	1.0	1.0
4	袁颖2	河北地质大学勘查技术与工程学院	1	1	1.0	1.0