近年來由于滑坡事件的屢次發(fā)生,給人民帶來了巨大的災(zāi)難和影響,因此必須對邊坡進行安全監(jiān)測并預(yù)測其變形趨勢。針對傳統(tǒng)預(yù)測方法存在的不足,提出一種改進布谷鳥搜索算法（ICS）并用于優(yōu)化支持向量機（SVM）的參數(shù),從而構(gòu)建基于改進布谷鳥搜索算法的支持向量機組合預(yù)測模型（ICS-SVM）并應(yīng)用于實際邊坡變形預(yù)測。首先,闡述了滑坡帶來的危害,并分析了目前邊坡變形預(yù)測研究現(xiàn)狀,提出利用SVM來預(yù)測邊坡的形變情況。針對SVM參數(shù)難以選擇的問題,引入CS算法對SVM的參數(shù)進行優(yōu)化。其次,針對傳統(tǒng)CS算法存在尋優(yōu)精度不高,收斂速度較慢等不足提出ICS算法,并選用7個基準(zhǔn)函數(shù)測試ICS算法的尋優(yōu)性能并與CS算法對比,實驗結(jié)果驗證了ICS算法獲取了更高精度的尋優(yōu)結(jié)果,且收斂的速度更快。然后通過ICS算法優(yōu)化SVM參數(shù),以此構(gòu)建ICS-SVM邊坡變形預(yù)測模型。最后,將ICS-SVM模型應(yīng)用到麻地灣邊坡和花坪子邊坡實例中,并和CS-SVM模型形成對比,同時采用均方誤差（MSE）以及平均相對誤差（MRE）來進行評價其預(yù)測精度。結(jié)果表明:對于麻地灣邊坡,CS-SVM模型得到的MSE和MRE分別為1.05、3.06%,... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【圖文】：

2016年全國巨型滑坡(a)2015年中國滑坡

圖 2.2 模型擬合現(xiàn)象圖性收斂 Chervonenkis 提出了描述集合大小的定量指標(biāo)，（Vapnik-Chervonenkis Dimension）。有學(xué)者提出某個指標(biāo)函數(shù)集時，也就是處理實際問題數(shù)據(jù) QhD 能夠被這個指標(biāo)函數(shù)集內(nèi)的函數(shù)依據(jù)任何可能力將數(shù)據(jù)集中任意 h+1 個數(shù)據(jù)h1D 區(qū)分開來，就數(shù)區(qū)分開來，而這個數(shù)據(jù)集 的數(shù)目值 h 就是這大小的數(shù)據(jù)集都可以被區(qū)分開來，就稱此函數(shù)集集的學(xué)習(xí)應(yīng)用能力，也代表模型的推廣應(yīng)用能力在回歸預(yù)測中也可以表示回歸效果好壞。VC 維理是經(jīng)驗風(fēng)險和實際風(fēng)險能達到近似最大化。

圖 2.3 收斂一致性圖界詳細地闡述了各種種類的函數(shù)集 R(w)emp（即訓(xùn)練誤存在的聯(lián)系，也就是推廣性的界。經(jīng)驗風(fēng)險 ，本數(shù)據(jù)上的分類結(jié)果與真實結(jié)果（即樣本數(shù)據(jù)）之間于解決分類問題亦或回歸等問題的任意函數(shù)，函數(shù)的關(guān)系，以1 的概率符合如下公式：nhnhRwRwemp(ln(2/)1)ln(/4()() 中 h 代表 VC 維，n 代表實際問題的樣本數(shù)據(jù)數(shù)目。h (ln(2 n / h) 1) ln( / 4)n

【參考文獻】：
期刊論文
[1]基于隨機RF的集成SVM故障診斷改進算法[J]. 夏麗莎,呂文元.  工業(yè)工程與管理. 2019(03)
[2]基于最小二乘支持向量機的改進型在線NOx預(yù)測模型[J]. 丁續(xù)達,金秀章,張揚.  熱力發(fā)電. 2019(01)
[3]季節(jié)性凍土區(qū)路基高邊坡變形多因素時變預(yù)測模型[J]. 崔凱,秦曉同,荊祥.  哈爾濱工程大學(xué)學(xué)報. 2019(06)
[4]基于加權(quán)支持向量機的熱軋帶鋼彎曲質(zhì)量預(yù)測[J]. 閔建.  熱加工工藝. 2018(23)
[5]人工免疫算法優(yōu)化雙支持向量機在拱壩變形預(yù)測中的應(yīng)用[J]. 曹延明,井德泉,劉春高.  長江科學(xué)院院報. 2019(12)
[6]山區(qū)高速公路順向高邊坡變形預(yù)測模型研究[J]. 肖勃,朱祿宏,郭云開,熊旭平,謝瓊,李健.  中外公路. 2018(05)
[7]隧道洞口邊坡變形的多階段遞進預(yù)測研究[J]. 蔣桂梅,李常茂,任慶國.  隧道建設(shè)(中英文). 2018(10)
[8]基于灰狼支持向量機的非等時距滑坡位移預(yù)測[J]. 李麟瑋,吳益平,苗發(fā)盛.  浙江大學(xué)學(xué)報(工學(xué)版). 2018(10)
[9]基于支持向量機回歸預(yù)測水稻葉片SPAD值[J]. 孫玉婷,王映龍,楊紅云,周瓊,楊文姬.  科技通報. 2018(09)
[10]基于粒子群優(yōu)化和支持向量機的花粉濃度預(yù)測模型[J]. 趙文芳,王京麗,尚敏,劉亞楠.  計算機應(yīng)用. 2019(01)

碩士論文
[1]巖質(zhì)邊坡穩(wěn)定性分析研究[D]. 龔芯磊.長安大學(xué) 2018
[2]基于混合智能算法的邊坡位移預(yù)測方法研究[D]. 周萬習(xí).哈爾濱工業(yè)大學(xué) 2017
[3]布谷鳥搜索算法與蝙蝠優(yōu)化算法的改進研究[D]. 王文.廣西民族大學(xué) 2014
[4]某巖質(zhì)邊坡工程研究與應(yīng)用[D]. 沙禮.中南大學(xué) 2010



本文編號：3266394