MABC-SVR在边坡可靠性分析中的应用研究

发布时间：2020-06-21 01:39

【摘要】：边坡的变形与破坏是岩土工程领域研究的重点课题,边坡工程的可靠性分析则可为工程项目提供理论依据。由于边坡地质条件的高度非线性,难以用显示函数描述其安全系数与各影响因素之间的关系,因此,本文将支持向量机与Monte Carlo法相结合,并进行改进优化,进而实现对边坡的可靠性分析。主要研究成果如下:(1)针对原始人工蜂群算法在搜索时容易陷入局部最优的缺点,提出一种改进的人工蜂群算法(MABC),该方法先将原始蜜源的适应度进行排序,找出适应度最高的蜜源,再在其周围搜索更优解。MABC算法较原始ABC算法收敛速度快、全局性好。(2)在改进的人工蜂群算法优化支持向量机(MABC-SVR)的基础上,建立了80个边坡实例的安全系数预测模型,该预测模型误差较小,准确度较高,预测值与实际值达到了高度拟合。(3)将Monte Carlo模拟法与MABC-SVR映射模型结合,对典型边坡和治理前后的青化寺滑坡进行可靠性分析,将所得可靠指标与失稳概率与其他方法进行对比,结果基本一致,证明本文建立的预测模型及可靠性计算方法合理可行,且精度更高。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU43;TP18;P642.22
【图文】：

稳定性分析法①极限平衡法

技术路线图

【参考文献】

相关期刊论文 前10条

1 俞俊平;陈志坚;武立军;余世元;王澍;;基于蚁群算法优化支持向量机的边坡位移预测[J];长江科学院院报;2015年04期

2 张凯军;梁循;;一种改进的显性多核支持向量机[J];自动化学报;2014年10期

3 杨虎;吴北平;陈美华;李前云;;基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用[J];安全与环境工程;2014年04期

4 刘佳;梁秋丽;王军峰;莫立坡;;改进的蜂群算法在边坡稳定性分析中的应用[J];建筑科学;2014年07期

5 秦全德;程适;李丽;史玉回;;人工蜂群算法研究综述[J];智能系统学报;2014年02期

6 王冰;;基于局部最优解的改进人工蜂群算法[J];计算机应用研究;2014年04期

7 段俊花;朱怡安;钟冬;;群智能在多智能体系统中的应用研究进展[J];计算机科学;2012年06期

8 马永杰;云文霞;;遗传算法研究进展[J];计算机应用研究;2012年04期

9 高玮;张鲁渝;张飞君;;边坡临界滑动面搜索的奖惩蚁群算法研究[J];水利学报;2012年02期

10 张超群;郑建国;王翔;;蜂群算法研究综述[J];计算机应用研究;2011年09期

本文编号：2723290