基于智能算法优化支持向量机模型的滑坡稳定性预测

发布时间：2018-01-07 09:30

本文关键词：基于智能算法优化支持向量机模型的滑坡稳定性预测　出处：《自然灾害学报》2016年05期 　论文类型：期刊论文

【摘要】：影响滑坡稳定性的因素较多,利用滑坡稳定性影响因素快速预测滑坡稳定状态是当前滑坡研究的重要内容。利用相关系数、支持向量机、交叉验证法、遗传算法、粒子群优化算法等理论建立支持向量机模型对滑坡稳定性进行了研究。以湖北竹溪县197个滑坡为例,研究结果表明:遗传算法优化的支持向量机滑坡稳定性预测模型预测效果最好,与实际情况吻合得最好。最佳参数c为3.001 6、g为0.041 008,训练集滑坡稳定性预测的正确率为84%,测试集滑坡稳定性预测的正确率为79.32%。因此所提遗传算法优化的支持向量机滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。
[Abstract]:There are many factors influencing the stability of the landslide, landslide prediction using fast stability factors of landslide stability state is the important content of landslide research. Using correlation coefficient, support vector machine, cross validation method, genetic algorithm, particle swarm optimization algorithm is established based on the theory of support vector machine model is studied on the slope stability. By 197 landslide in Hubei Zhuxi County as an example, the results show that: the genetic algorithm support vector machine prediction model of landslide stability effect best, agree with the actual condition. The best optimum parameters of C is 3.0016, G is 0.041008, the correct rate of the training set of landslide stability prediction was 84%, accuracy rate of predicting landslide stability is 79.32%. therefore proposed genetic algorithm support vector machine landslide stability prediction model has a certain reference value for the analysis of landslide stability.

【作者单位】：三峡大学三峡库区地质灾害教育部重点实验室;三峡大学经济与管理学院;
【基金】：国家自然科学基金项目(51309141) 水利部公益基金项目(201401029) 2015年三峡大学研究生科研创新基金(2015CX036)~~
【分类号】：P642.22
【正文快照】： 滑坡是一种地质灾害,其稳定性是很重要的工程问题。滑坡稳定性主要受地形、岩性、地质构造等多种因素的影响。如何通过滑坡的影响因素快速预测滑坡稳定性的非线性问题是当今滑坡研究的重要工程问题。近年来,模糊综合评价模型,神经网络模型,贝叶斯判别模型和SVM支持向量机模型,

【相似文献】