基于粒子群优化支持向量机的边坡稳定性预测

详细信息    查看全文 | 推荐本文 |

英文篇名：Slope Stability Prediction Based on Vector Machine with Particle Swarm Optimization Support 作者：刘仁志 ; 黄张裕 ; 秦洁 ; 陈希鸣 ; 李建新 英文作者：Liu Renzhi;Huang Zhangyu;Qin Jie;Chen Ximing;Li Jianxin;School of Earth Science and Engineering,Hohai University;School of Architecture and Surveying Engineering,Jiangxi University of Science and Technology; 关键词：粒子群优化算法 ; 支持向量机 ; 稳定性预测 ; 安全系数 英文关键词：Particle swarm algorithm;;Support vector machine;;Stability prediction;;Safety coefficient 中文刊名：甘肃科学学报 英文刊名：Journal of Gansu Sciences 机构：河海大学地球科学与工程学院;江西理工大学建筑与测绘工程学院; 出版日期：2019-02-25 出版单位：甘肃科学学报 年：2019 期：01 语种：中文; 页：102-106 页数：5 CN：62-1098/N ISSN：1004-0366 分类号：TU43;TP18

摘要

为了提高边坡稳定性预测的精度,保障边坡工程的安全,提出基于粒子群优化算法支持向量机的预测模型。采用粒子群优化算法不断进行搜索迭代获取支持向量机模型的最优参数,避免了支持向量机人为选取参数的盲目性和随意性。通过Matlab编程,应用实例证明:该模型的预测精度较高,预测样本的平均相对误差为3.581 9%,计算速度较快,优于改进的BP算法、GA-BP算法和改进支持向量机算法,在实际的工程应用中有着良好的应用前景。
        To improve the precision of the predication of slope stability and ensure the safety of slope work,the prediction model based on the vector machine with particle swarm optimization support,i.e.making use of PSO algorithm to constantly carry out search iteration to gain the optimal parameter of the support vector machine,which avoids the blindness and randomness that the parameter is artificially selected by support vector machine.Via matlab programming,the application case verifies that the prediction model is with relative high precision,the average relative error of the prediction sample is 3.581 9%,it is with relatively fast calculating speed,superior then the optimized BP algorithm,GA-BP algorithm and improved support vector machine algorithm.So that,the model is with good application prospect in the actual engineering application.

引文

[1]穆超越.边坡稳定性分析及综合治理研究[D].邯郸:河北工程大学,2017.
    [2]马春辉,杨杰,程琳,等.基于混合核函数HS-RVM的边坡稳定性分析[J].岩石力学与工程学报,2017,36(增刊1):3409-3415.
    [3]李宁,郭双枫,姚显春.再论岩质高边坡稳定性分析方法[J].岩土力学,2018,39(2):397-406,416.
    [4]乔金丽,刘波,李艳艳,等.基于遗传规划的边坡稳定安全系数预测[J].煤炭学报,2010,35(9):1466-1469.
    [5]罗亦泳,张豪,张立亭.基于进化相关向量机的边坡安全系数估算[J].人民黄河,2016,38(2):103-107.
    [6]罗战友,杨晓军,龚晓南.基于支持向量机的边坡稳定性预测模型[J].岩石力学与工程学报,2005,24(1):144-148.
    [7]黄磊,张书毕,王亮亮,等.粒子群最小二乘支持向量机在GPS高程拟合中的应用[J].测绘科学,2010,35(5):190-192.
    [8]李朋丽.基于智能算法的陕西省公路边坡稳定性评价[D].西安:长安大学,2015.
    [9]谢波,刘连旺.支持向量机在GPS高程异常中的应用[J].测绘科学,2011,36(1):172-174.
    [11]雷雨,赵丹宁.最小二乘支持向量机回归的卫星钟差非线性组合预报[J].测绘科学,2015,40(5):33-36.
    [12]冯夏庭.智能岩石力学导论[M].北京:科学出版社,2000.
    [13]余志雄,周创兵,李俊平,等.基于v-SVR算法的边坡稳定性预测[J].岩石力学与工程学报,2005,24(14):2468-2475.