基于聚类‐二叉树支持向量机的砂土液化预测模型

详细信息   

• 责任者：刘勇健^c广东工业大学^d1968^e博士生^f副教授
• 刊名：岩土力学
• 出版年：2008
• 卷期：29^b10总154
• 关键词：砂土液化20^a聚类分析 ; 数学模型30^a支持向量机 ; 二叉树
• 页码：2764～2768
• 索书号：P478.06/357
• 图表：^c表2参8插图
• 分类号：1600
• 文摘期号：2009/04

摘要

建立在统计学习理论基础之上的支持向量机(SVM),是一种基于结构风险最小的小样本机器学习方法。经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题。根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类‐二叉树的多类支持向量机的砂土液化判别模型。该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系。研究结果表明,基于聚类‐二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别。