改进布谷鸟算法优化支持向量机的边坡变形预测研究
发布时间：2021-07-05 16:08
近年来由于滑坡事件的屡次发生,给人民带来了巨大的灾难和影响,因此必须对边坡进行安全监测并预测其变形趋势。针对传统预测方法存在的不足,提出一种改进布谷鸟搜索算法（ICS）并用于优化支持向量机（SVM）的参数,从而构建基于改进布谷鸟搜索算法的支持向量机组合预测模型（ICS-SVM）并应用于实际边坡变形预测。首先,阐述了滑坡带来的危害,并分析了目前边坡变形预测研究现状,提出利用SVM来预测边坡的形变情况。针对SVM参数难以选择的问题,引入CS算法对SVM的参数进行优化。其次,针对传统CS算法存在寻优精度不高,收敛速度较慢等不足提出ICS算法,并选用7个基准函数测试ICS算法的寻优性能并与CS算法对比,实验结果验证了ICS算法获取了更高精度的寻优结果,且收敛的速度更快。然后通过ICS算法优化SVM参数,以此构建ICS-SVM边坡变形预测模型。最后,将ICS-SVM模型应用到麻地湾边坡和花坪子边坡实例中,并和CS-SVM模型形成对比,同时采用均方误差（MSE）以及平均相对误差（MRE）来进行评价其预测精度。结果表明:对于麻地湾边坡,CS-SVM模型得到的MSE和MRE分别为1.05、3.06%,...
【文章来源】：江西理工大学江西省
【文章页数】：64 页
【学位级别】：硕士
【图文】：
2016年全国巨型滑坡(a)2015年中国滑坡
图 2.2 模型拟合现象图性收敛 Chervonenkis 提出了描述集合大小的定量指标，（Vapnik-Chervonenkis Dimension）。有学者提出某个指标函数集时，也就是处理实际问题数据 QhD 能够被这个指标函数集内的函数依据任何可能力将数据集中任意 h+1 个数据h1D 区分开来，就数区分开来，而这个数据集 的数目值 h 就是这大小的数据集都可以被区分开来，就称此函数集集的学习应用能力，也代表模型的推广应用能力在回归预测中也可以表示回归效果好坏。VC 维理是经验风险和实际风险能达到近似最大化。
图 2.3 收敛一致性图界详细地阐述了各种种类的函数集 R(w)emp（即训练误存在的联系，也就是推广性的界。经验风险 ，本数据上的分类结果与真实结果（即样本数据）之间于解决分类问题亦或回归等问题的任意函数，函数的关系，以1 的概率符合如下公式：nhnhRwRwemp(ln(2/)1)ln(/4()() 中 h 代表 VC 维，n 代表实际问题的样本数据数目。h (ln(2 n / h) 1) ln( / 4)n
【参考文献】：
期刊论文
[1]基于随机RF的集成SVM故障诊断改进算法[J]. 夏丽莎,吕文元. 工业工程与管理. 2019(03)
[2]基于最小二乘支持向量机的改进型在线NOx预测模型[J]. 丁续达,金秀章,张扬. 热力发电. 2019(01)
[3]季节性冻土区路基高边坡变形多因素时变预测模型[J]. 崔凯,秦晓同,荆祥. 哈尔滨工程大学学报. 2019(06)
[4]基于加权支持向量机的热轧带钢弯曲质量预测[J]. 闵建. 热加工工艺. 2018(23)
[5]人工免疫算法优化双支持向量机在拱坝变形预测中的应用[J]. 曹延明,井德泉,刘春高. 长江科学院院报. 2019(12)
[6]山区高速公路顺向高边坡变形预测模型研究[J]. 肖勃,朱禄宏,郭云开,熊旭平,谢琼,李健. 中外公路. 2018(05)
[7]隧道洞口边坡变形的多阶段递进预测研究[J]. 蒋桂梅,李常茂,任庆国. 隧道建设(中英文). 2018(10)
[8]基于灰狼支持向量机的非等时距滑坡位移预测[J]. 李麟玮,吴益平,苗发盛. 浙江大学学报(工学版). 2018(10)
[9]基于支持向量机回归预测水稻叶片SPAD值[J]. 孙玉婷,王映龙,杨红云,周琼,杨文姬. 科技通报. 2018(09)
[10]基于粒子群优化和支持向量机的花粉浓度预测模型[J]. 赵文芳,王京丽,尚敏,刘亚楠. 计算机应用. 2019(01)
硕士论文
[1]岩质边坡稳定性分析研究[D]. 龚芯磊.长安大学 2018
[2]基于混合智能算法的边坡位移预测方法研究[D]. 周万习.哈尔滨工业大学 2017
[3]布谷鸟搜索算法与蝙蝠优化算法的改进研究[D]. 王文.广西民族大学 2014
[4]某岩质边坡工程研究与应用[D]. 沙礼.中南大学 2010
本文编号：3266394
【文章来源】：江西理工大学江西省
【文章页数】：64 页
【学位级别】：硕士
【图文】：
2016年全国巨型滑坡(a)2015年中国滑坡
图 2.2 模型拟合现象图性收敛 Chervonenkis 提出了描述集合大小的定量指标，（Vapnik-Chervonenkis Dimension）。有学者提出某个指标函数集时，也就是处理实际问题数据 QhD 能够被这个指标函数集内的函数依据任何可能力将数据集中任意 h+1 个数据h1D 区分开来，就数区分开来，而这个数据集 的数目值 h 就是这大小的数据集都可以被区分开来，就称此函数集集的学习应用能力，也代表模型的推广应用能力在回归预测中也可以表示回归效果好坏。VC 维理是经验风险和实际风险能达到近似最大化。
图 2.3 收敛一致性图界详细地阐述了各种种类的函数集 R(w)emp（即训练误存在的联系，也就是推广性的界。经验风险 ，本数据上的分类结果与真实结果（即样本数据）之间于解决分类问题亦或回归等问题的任意函数，函数的关系，以1 的概率符合如下公式：nhnhRwRwemp(ln(2/)1)ln(/4()() 中 h 代表 VC 维，n 代表实际问题的样本数据数目。h (ln(2 n / h) 1) ln( / 4)n
【参考文献】：
期刊论文
[1]基于随机RF的集成SVM故障诊断改进算法[J]. 夏丽莎,吕文元. 工业工程与管理. 2019(03)
[2]基于最小二乘支持向量机的改进型在线NOx预测模型[J]. 丁续达,金秀章,张扬. 热力发电. 2019(01)
[3]季节性冻土区路基高边坡变形多因素时变预测模型[J]. 崔凯,秦晓同,荆祥. 哈尔滨工程大学学报. 2019(06)
[4]基于加权支持向量机的热轧带钢弯曲质量预测[J]. 闵建. 热加工工艺. 2018(23)
[5]人工免疫算法优化双支持向量机在拱坝变形预测中的应用[J]. 曹延明,井德泉,刘春高. 长江科学院院报. 2019(12)
[6]山区高速公路顺向高边坡变形预测模型研究[J]. 肖勃,朱禄宏,郭云开,熊旭平,谢琼,李健. 中外公路. 2018(05)
[7]隧道洞口边坡变形的多阶段递进预测研究[J]. 蒋桂梅,李常茂,任庆国. 隧道建设(中英文). 2018(10)
[8]基于灰狼支持向量机的非等时距滑坡位移预测[J]. 李麟玮,吴益平,苗发盛. 浙江大学学报(工学版). 2018(10)
[9]基于支持向量机回归预测水稻叶片SPAD值[J]. 孙玉婷,王映龙,杨红云,周琼,杨文姬. 科技通报. 2018(09)
[10]基于粒子群优化和支持向量机的花粉浓度预测模型[J]. 赵文芳,王京丽,尚敏,刘亚楠. 计算机应用. 2019(01)
硕士论文
[1]岩质边坡稳定性分析研究[D]. 龚芯磊.长安大学 2018
[2]基于混合智能算法的边坡位移预测方法研究[D]. 周万习.哈尔滨工业大学 2017
[3]布谷鸟搜索算法与蝙蝠优化算法的改进研究[D]. 王文.广西民族大学 2014
[4]某岩质边坡工程研究与应用[D]. 沙礼.中南大学 2010
本文编号：3266394
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3266394.html
