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. |
|