基于混合核函数PSO-LSSVM的边坡变形预测

›› 2012, Vol. 33 ›› Issue (5): 1421-1426.

基于混合核函数PSO-LSSVM的边坡变形预测

郑志成^{1, 2}，徐卫亚^{1, 2}，徐飞^{1, 2, 3}，刘造保^{1, 2}

1.河海大学岩土力学与堤坝工程教育部重点实验室，南京 210098； 2.河海大学岩土工程科学研究所，南京 210098；3.海南省公路勘察设计院，海口 570206

收稿日期:2010-06-03 出版日期:2012-05-10 发布日期:2012-05-14
作者简介:郑志成，男，1986年生，硕士研究生，主要从事岩土工程监控方面的研究工作
基金资助:
国家科技支撑计划（No. 2008BAB29B01）；江苏省普通高校研究生科研创新计划（No. CX09B-158Z）；国家自然科学基金项目（No. 50909038）

Forecasting of slope displacement based on PSO-LSSVM with mixed kernel

ZHENG Zhi-cheng^{1, 2}, XU Wei-ya^{1, 2}, XU Fei^{1, 2, 3}, LIU Zao-bao^{1, 2}

1. Key Laboratory of Ministry of Education for Geomechanics and Embankment Engineering, Hohai University, Nanjing 210098, China; 2. Geotechnical Research Institute, Hohai University, Nanjing 210098, China; 3. Hainan Provincial Highway Survey and Design Institute, Haikou 570206, China

Received:2010-06-03 Online:2012-05-10 Published:2012-05-14

摘要/Abstract

摘要： 支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱，而全局核函数泛化性能强、学习能力弱的矛盾，通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数，并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优，提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析，并与传统核函数支持向量机预测结果进行对比分析。结果表明，该模型较传统方法在预测精度上有了明显提高，预测结果科学可靠，在边坡位移时序预测中具有良好的实际应用价值。

关键词: 边坡, 边坡变形预测, 最小二乘支持向量机, 粒子群优化, 混合核

Abstract: The kernel and the parameters of support vector machine (SVM) have a significant impact on precision of the time series prediction to slope displacement. In view of better learning capability of local kernels and better generalization capability of global kernels, the mixed kernel is constructed by a typical local kernel-radial basis function (RBF) and a typical global kernel-polynomial kernel. By use of particle swarm optimization (PSO), a new PSO-LSSVM model regression with mixed kernels is set up in this paper and applied to the left bank slope in Jinping Ⅰ Hydropower Station. Through comparing with the forecasting results of the existing SVM based on RBF, results demonstrate that the new model has great accuracy than the existing SVM with RBF only and has real application value in predicting deformations of slope.

Key words: slope, prediction of slope deformation, least squares support vector machines, particle swarm optimization, mixed kernel

中图分类号:

TU 454

郑志成，徐卫亚，徐飞，刘造保 . 基于混合核函数PSO-LSSVM的边坡变形预测[J]. , 2012, 33(5): 1421-1426.

ZHENG Zhi-cheng , XU Wei-ya , XU Fei , LIU Zao-bao . Forecasting of slope displacement based on PSO-LSSVM with mixed kernel[J]. , 2012, 33(5): 1421-1426.

参考文献

相关文章 15

[1]	苏永华, 李诚诚. 强降雨下基于Green-Ampt模型的边坡稳定性分析[J]. 岩土力学, 2020, 41(2): 389-398.
[2]	朱彦鹏, 陶钧, 杨校辉, 彭俊国, 吴强, . 框架预应力锚托板结构加固高填方边坡设计与数值分析[J]. 岩土力学, 2020, 41(2): 612-623.
[3]	李剑, 陈善雄, 余飞, 姜领发, 戴张俊. 预应力锚索加固高陡边坡机制探讨[J]. 岩土力学, 2020, 41(2): 707-713.
[4]	闫国强, 殷跃平, 黄波林, 张枝华, 代贞伟, . 三峡库区巫山金鸡岭滑坡成因机制与变形特征[J]. 岩土力学, 2019, 40(S1): 329-340.
[5]	刘顺青, 黄献文, 周爱兆, 蔡国军, 姜朋明, . 基于随机块石模型的土石混合边坡稳定性分析方法研究[J]. 岩土力学, 2019, 40(S1): 350-358.
[6]	刘红岩. 宏细观缺陷对岩体力学特性及边坡稳定影响研究[J]. 岩土力学, 2019, 40(S1): 431-439.
[7]	王伟, 陈国庆, 郑水全, 张广泽, 王栋, . 考虑张拉-剪切渐进破坏的边坡矢量和法研究[J]. 岩土力学, 2019, 40(S1): 468-476.
[8]	姜谙男, 张权, 吴洪涛, 段龙梅, 焦明伟, 白涛, . 基于改进局部安全度的爆破作用边坡稳定性分析[J]. 岩土力学, 2019, 40(S1): 511-518.
[9]	吴锦亮, 何吉, . 岩质边坡动态开挖模拟的复合单元模型[J]. 岩土力学, 2019, 40(S1): 535-540.
[10]	许婧璟, 唐旭海, 刘泉声, 冯禹菲. 基于能量跟踪法研究岩石破碎对滚石运动轨迹的影响[J]. 岩土力学, 2019, 40(S1): 541-548.
[11]	陈宇龙, 内村太郎, . 基于弹性波波速的降雨型滑坡预警系统[J]. 岩土力学, 2019, 40(9): 3373-3386.
[12]	聂秀鹏, 逄焕平, 孙志彬, 谢松梅, 侯超群. 三维加筋边坡地震稳定性上限分析[J]. 岩土力学, 2019, 40(9): 3483-3492.
[13]	陈冲, 王卫, 吕华永, . 基于复合抗滑桩模型加固边坡稳定性分析[J]. 岩土力学, 2019, 40(8): 3207-3217.
[14]	刘新荣, 邓志云, 刘永权, 刘树林, 路雨明, . 地震作用下水平层状岩质边坡累积损伤与破坏模式研究[J]. 岩土力学, 2019, 40(7): 2507-2516.
[15]	冯君, 王洋, 吴红刚, 赖冰, 谢先当, . 玄武岩纤维复合材料土层锚杆抗拔性能现场试验研究[J]. 岩土力学, 2019, 40(7): 2563-2573.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed