基于最小二乘支持向量机的黄土湿陷性预测挖掘

›› 2010, Vol. 31 ›› Issue (6): 1865-1870.

基于最小二乘支持向量机的黄土湿陷性预测挖掘

井彦林¹，仵彦卿²，林杜军³，李晓光¹，张志权¹

1. 长安大学建筑工程学院，西安 710061；2. 上海交通大学环境科学与工程学院，上海 200240； 3. 中煤西安设计工程有限责任公司，西安 710054

收稿日期:2008-12-30 出版日期:2010-06-10 发布日期:2010-06-25
作者简介:井彦林，男，1963年生，博士，教授级高工，主要从事黄土力学与工程、环境岩土工程方面的教学与研究工作。
基金资助:
国家自然科学基金资助项目(No. 10572090)；中央高校基本科研业务费专项资金长安大学基础研究支持计划专项基金(No. CHD2009JC084)。

Prediction of loess collapsibility by using data mining based on least squares support vector machines

JING Yan-lin¹，WU Yan-qing²，LIN Du-jun³，LI Xiao-guang¹，ZHANG Zhi-quan¹

1. School of Civil Engineering, Chang’an University, Xi’an 710061, China; 2. School of Environmental Science and Engineering, Shanghai Jiaotong University, Shanghai 200240, China; 3. China Coal Xi’an Design & Engineering Co., Ltd., Xi’an 710054, China

Received:2008-12-30 Online:2010-06-10 Published:2010-06-25

摘要/Abstract

摘要：

运用数据挖掘技术进行了黄土湿陷性的预测挖掘，挖掘模型采用最小二乘支持向量机。建模过程中用主成份分析法进行数据的预处理，以剔除指标间的相关性，消除多指标信息冗余对挖掘模型的影响，并引入粒子群优化算法进行模型反演分析，确定最优参数。针对实际工程数据进行的预测挖掘表明：黄土的电阻率、剪切波速与土的结构特性、含水率、密度等指标密切相关，可较为全面地反映影响黄土湿陷性的因素；以电阻率、剪切波速及土层埋深作为模型的预测变量就可定量预测黄土的湿陷性；用所建模型和预测变量来预测黄土的湿陷性是可行的。

关键词: 黄土, 湿陷性预测, 数据挖掘, 最小二乘支持向量机

Abstract:

The data mining techniques are used to predict loess collapsibility in geotechnical engineering; and the mining model is constructed by using the least squares support vector machines. Using principal component analysis method, data of model is preprocessed to remove the correlation among the indicators and to eliminate the impact of multi-index redundant information on the mining model, and the model inverse analysis is administered by introducing particle swarm optimization algorithm to determine the optimal parameters. The forecast mining for the actual project data shows that loess resistivity and shear wave velocity is closely related to the soil indicators such as the soil structural properties, water content, density etc, they can be more comprehensively reflect the factors of impact of loess collapsibility. Using loess resistivity, shear wave velocity and soil depth as predicting variables of the model can quantitative predict the loess collapsibility; the proposed model is effective.

Key words: loess, collapsibility prediction, data mining, least squares support vector machines

中图分类号:

TU 441

井彦林，仵彦卿，林杜军，李晓光，张志权. 基于最小二乘支持向量机的黄土湿陷性预测挖掘[J]. , 2010, 31(6): 1865-1870.

JING Yan-lin，WU Yan-qing，LIN Du-jun，LI Xiao-guang，ZHANG Zhi-quan. Prediction of loess collapsibility by using data mining based on least squares support vector machines[J]. , 2010, 31(6): 1865-1870.

参考文献

相关文章 15

[1]	方瑾瑾, 冯以鑫, 王立平, 余永强, . 真三轴条件下非饱和黄土的有效应力屈服特性[J]. 岩土力学, 2020, 41(2): 492-500.
[2]	夏坤, 董林, 蒲小武, 李璐, . 黄土塬地震动响应特征分析[J]. 岩土力学, 2020, 41(1): 295-304.
[3]	何鹏飞, 马巍, 穆彦虎, 黄永庭, 董建华, . 黄土−砂浆块界面剪切特性试验及本构模型研究[J]. 岩土力学, 2019, 40(S1): 82-90.
[4]	刘华, 张硕成, 牛富俊, 邵珠山, 牛泽林, 鲁洁, . 酸碱污染Q3黄土的一维压缩特征试验研究[J]. 岩土力学, 2019, 40(S1): 210-216.
[5]	朱彦鹏, 杜晓启, 杨校辉, 栗慧王君, . 挤密桩处理大厚度自重湿陷性黄土地区综合管廊地基及其工后浸水试验研究[J]. 岩土力学, 2019, 40(8): 2914-2924.
[6]	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.
[7]	邵生俊, 陈菲, 邓国华, . 基于平面应变统一强度公式的结构性黄土填料挡墙地震被动土压力研究[J]. 岩土力学, 2019, 40(4): 1255-1262.
[8]	王铁行, 金鑫, 罗扬, 张松林. 考虑卸荷作用的黄土湿陷性评价方法研究[J]. 岩土力学, 2019, 40(4): 1281-1290.
[9]	王娟娟, 郝延周, 王铁行. 非饱和压实黄土结构特性试验研究[J]. 岩土力学, 2019, 40(4): 1351-1357.
[10]	谌文武, 刘伟, 王娟, 孙冠平, 吴玮江, . 黄土饱和度与B值关系试验研究[J]. 岩土力学, 2019, 40(3): 834-842.
[11]	张玉伟, 翁效林, 宋战平, 谢永利, . 考虑黄土结构性和各向异性的修正剑桥模型[J]. 岩土力学, 2019, 40(3): 1030-1038.
[12]	王丽琴, 邵生俊, 王帅, 赵聪, 石鹏鑫, 周彪, . 原状黄土的压缩曲线特性[J]. 岩土力学, 2019, 40(3): 1076-1084.
[13]	冯君, 王洋, 张俞峰, 黄林, 何长江, 吴红刚, . 玄武岩纤维与钢筋锚杆锚固性能现场对比试验研究[J]. 岩土力学, 2019, 40(11): 4185-4193.
[14]	叶帅华, 赵壮福, 朱彦鹏, . 框架锚杆支护黄土边坡大型振动台模型试验研究[J]. 岩土力学, 2019, 40(11): 4240-4248.
[15]	王道远, 袁金秀, 朱永全, 刘佳, 王洪凡, . 硬塑－流塑浅埋黄土隧道变形特性及合理预留变形量模型试验研究[J]. 岩土力学, 2019, 40(10): 3813-3822.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed