基于网格搜索支持向量机的边坡稳定性系数预测

发布时间：2021-08-16 13:37

　　边坡稳定性分析是岩土工程的一个常见问题,影响参数较多。首先将影响边坡稳定性的样本集合建立支持向量机（Support Vector Machine,SVM）回归模型,而后使用网格搜索法（Grid-search）优化支持向量机的参数,并将优化过参数的支持向量机回归模型与贝叶斯岭回归模型、普通线性回归模型、梯度增强回归模型的预测结果进行对比。研究结果表明:优化后的SVM回归模型预测方法在边坡安全系数预测方法中更为精准稳定,具有一定的实际应用价值。 

【文章来源】：铁道建筑. 2019,59(05)北大核心

【文章页数】：4 页

【文章目录】：
1 支持向量机
2 支持向量回归机模型
    2.1 K折交叉验证与网格搜索
    2.2 边坡稳定性安全系数模型的建立
3 SVM回归效果评估
    3.1 导入多个预测模型
    3.2 拟合结果
    3.3 实例预测
4 结语


【参考文献】：
期刊论文
[1]优化支持向量机及其在智能故障诊断中的应用[J]. 王保建,张小丽,傅杨奥骁,陈雪峰.  振动.测试与诊断. 2017(03)
[2]基于BCABC-SVM的边坡稳定性预测[J]. 胡军,王凯凯,董建华.  沈阳工业大学学报. 2016(02)
[3]蒙特卡罗法在边坡可靠度分析中的应用[J]. 赵清静.  山西建筑. 2015(16)
[4]基于支持向量机的目标检测算法综述[J]. 郭明玮,赵宇宙,项俊平,张陈斌,陈宗海.  控制与决策. 2014(02)
[5]基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J]. 彭令,牛瑞卿,赵艳南,邓清禄.  武汉大学学报(信息科学版). 2013(02)
[6]基于LS-SVM组合预测的地空导弹发射车液压系统油液污染度预测[J]. 王锟,王洁,刁迎春.  传感技术学报. 2012(05)
[7]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)

硕士论文
[1]程序、互动不公正的补救及其效果研究[D]. 梁阿正.浙江工商大学 2012
[2]基于线性规划算法的支持向量机及其应用[D]. 刘鹤立.上海海事大学 2006



本文编号：3345770