[1]洪勇%邵珠山%马力.支持向量机在边坡稳定分析预测的应用[J].沈阳建筑大学学报(自科版),2017,(6):1004-1010.[doi:10.11717/j.issn:2095-1922.2017.06.06]
点击复制

支持向量机在边坡稳定分析预测的应用()
分享到：

沈阳建筑大学学报(自科版)[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2017年第6期
页码:
1004-1010
栏目:
土木工程
出版日期:
2018-09-13

文章信息/Info

作者:
洪勇%邵珠山%马力
关键词:
边坡稳定 粒子群算法 支持向量机 预测
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.
更新日期/Last Update: 2018-09-13