摘要:
提出了基于粒子群算法(PSO)和最小二乘支持向量机(LSSVM)的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。
中图分类号:
[1] | 杨道学, 赵奎, 曾鹏, 卓毓龙, . 基于粒子群优化算法的未知波速声发射 定位数值模[J]. 岩土力学, 2019, 40(S1): 494-502. |
[2] | 阮永芬, 高春钦, 刘克文, 贾荣谷, 丁海涛, . 基于粒子群算法优化小波支持向量机的 岩土力学参数反演[J]. 岩土力学, 2019, 40(9): 3662-3669. |
[3] | 王洪波,张庆松,刘人太,李术才,张乐文,郑 卓,张连震. 基于压水试验的地层渗流场反分析[J]. , 2018, 39(3): 985-992. |
[4] | 胡 军,董建华 ,王凯凯 ,黄贵臣,. 边坡稳定性的CPSO-BP模型研究[J]. , 2016, 37(S1): 577-582. |
[5] | 王 双,李小春,石 露,刘召胜,. 物质点强度折减法及其在边坡中的应用[J]. , 2016, 37(9): 2672-2678. |
[6] | 郭庆彪 ,郭广礼 ,吕 鑫 ,陈 涛 ,王金涛,. 山区谷底沉陷预测模型及其参数反演[J]. , 2016, 37(5): 1351-1356. |
[7] | 宋盛渊,王 清,陈剑平,李严严,史明远. 岩体结构面的多参数优势分组方法研究[J]. , 2015, 36(7): 2041-2048. |
[8] | 陆沛青,李根生,黄中伟,宋先知,盛 茂,贺振国. 煤层脉动水力压裂动静态响应数值模型及求解[J]. , 2015, 36(5): 1471-1480. |
[9] | 张 研 ,苏国韶 ,燕柳斌 . 隧洞围岩损失位移估计的智能优化反分析[J]. , 2013, 34(5): 1383-1390. |
[10] | 李启月 ,许 杰 ,王卫华 ,陈星明 ,张 君 . 基于数学形态学多尺度分析的顶板下沉量预测[J]. , 2013, 34(2): 433-438. |
[11] | 陈昌富,唐仁华,梁冠亭. 基于混合粒子群算法和能量法主动土压力计算[J]. , 2012, 33(6): 1845-1850. |
[12] | 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. |
[13] | 贾善坡 ,伍国军 ,陈卫忠. 基于粒子群算法与混合罚函数法的有限元优化反演模型及应用[J]. , 2011, 32(S2): 598-603. |
[14] | 张菊连 ,沈明荣. 高速公路边坡稳定性评价新方法[J]. , 2011, 32(12): 3623-3629. |
[15] | 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. |
|