【摘要】：邊坡失穩(wěn)所帶來的危害非常大,對(duì)于自然邊坡和一些大型工程邊坡,一旦發(fā)生邊坡失穩(wěn)事件,往往能夠改變一個(gè)區(qū)域的地貌特征,進(jìn)而對(duì)這個(gè)區(qū)域周圍的人居環(huán)境造成重大影響。邊坡災(zāi)害所帶來的損失動(dòng)輒上億甚至幾十億,而預(yù)防這些邊坡變形發(fā)生所需要的成本遠(yuǎn)遠(yuǎn)小于災(zāi)害發(fā)生之后的重建恢復(fù)工作,因此,對(duì)邊坡變形進(jìn)行科學(xué)有效的預(yù)測(cè)就顯得尤為重要和緊迫。本文根據(jù)邊坡變形的相關(guān)特點(diǎn),提出運(yùn)用支持向量機(jī)方法對(duì)邊坡變形進(jìn)行預(yù)測(cè)研究,并且對(duì)于傳統(tǒng)網(wǎng)格法搜索速度過慢、精度不高的缺陷,提出一種基于改進(jìn)網(wǎng)格搜索法的支持向量機(jī)方法,實(shí)驗(yàn)結(jié)果表明本文提出的新算法對(duì)比傳統(tǒng)算法在運(yùn)算時(shí)間和精度兩個(gè)方面都有了較好的提升。本文的研究工作主要包括以下幾個(gè)方面:1)概述支持向量機(jī)的基本理論和它的核函數(shù)的種類以及應(yīng)用類型,引入了支持向量機(jī)核函數(shù)的參數(shù)尋優(yōu)問題。2)面對(duì)核函數(shù)的相關(guān)參數(shù)尋優(yōu)問題還沒有統(tǒng)一的理論,本文分析了傳統(tǒng)網(wǎng)格搜索法參數(shù)尋優(yōu)和粒子群搜索法參數(shù)尋優(yōu),結(jié)合兩者的劣勢(shì)和優(yōu)勢(shì),提出了改進(jìn)網(wǎng)格搜索法的支持向量機(jī)。針對(duì)傳統(tǒng)網(wǎng)格法的搜索速度過慢,精度不高的缺點(diǎn),利用粒子群算法在前期能夠快速收斂于種群最優(yōu)解的優(yōu)勢(shì),在算法初期引入對(duì)整個(gè)算法進(jìn)行加速,使算法快速定位到最優(yōu)區(qū)間附近,同時(shí)在算法后期,改為使用小步長(zhǎng)的網(wǎng)格搜索法在粒子群算法所確定的種群最優(yōu)解附近的小區(qū)間內(nèi)進(jìn)行第二次精細(xì)搜索,在一定程度上幫助算法跳出前期快速尋優(yōu)導(dǎo)致的可能陷入的局部最優(yōu)解,從而達(dá)到全局最優(yōu)解。3)將建立的基于改進(jìn)網(wǎng)格搜索法的支持向量機(jī)應(yīng)用于邊坡變形預(yù)測(cè),通過兩個(gè)邊坡變形實(shí)例驗(yàn)證改進(jìn)算法的優(yōu)劣,最后的實(shí)驗(yàn)結(jié)果表明:在兩個(gè)工程實(shí)例的邊坡變形預(yù)測(cè)中,對(duì)比傳統(tǒng)網(wǎng)格法SVM和遺傳算法SVM,改進(jìn)的網(wǎng)格搜索法支持向量機(jī)在平均相對(duì)誤差和運(yùn)算時(shí)間上更具優(yōu)勢(shì)。另一方面,新算法所得預(yù)測(cè)的均方誤差和平方和誤差也都遠(yuǎn)小于另外兩種算法,這說明改進(jìn)的網(wǎng)格搜索法支持向量機(jī)具有更好的預(yù)測(cè)精度、運(yùn)算速度與穩(wěn)定性,有實(shí)際應(yīng)用價(jià)值。
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TU433
【圖文】：

技術(shù)路線圖

第二章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)第二章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)2.1 統(tǒng)計(jì)學(xué)習(xí)理論20 世紀(jì)中葉，計(jì)算機(jī)的誕生標(biāo)志著人類進(jìn)入了一個(gè)新的發(fā)展階段，緊隨其后的便是計(jì)算機(jī)技術(shù)呈現(xiàn)出爆炸式的發(fā)展，在這個(gè)大背景下，一些在原有條件下無法實(shí)現(xiàn)的技術(shù)開始被提出，機(jī)器學(xué)習(xí)就是其中一個(gè)重要的分支，如圖 2.1 所示。它研究計(jì)算機(jī)去模仿人類對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)、觀測(cè)并且分析對(duì)象，并最終去預(yù)測(cè)未來。緊接著在 20 世紀(jì) 60 年代，Vapnik 等人提出了統(tǒng)計(jì)學(xué)習(xí)理論（Statistical Learning Theory，簡(jiǎn)稱 SLT）。統(tǒng)計(jì)學(xué)習(xí)理論和傳統(tǒng)意義上的統(tǒng)計(jì)學(xué)略有不同，是一種專門致力于研究和解決小樣本數(shù)量的機(jī)器學(xué)習(xí)理論。

第二章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)，使得這個(gè)函數(shù)集中的子集滿足圖 2.1。nS S S S123其中這個(gè)函數(shù)集中的子集 {(,),}kkS fxww ，每個(gè)子集都對(duì)應(yīng)一,且各個(gè)子集的 VC 維也滿足如下關(guān)系：kh h h h123這時(shí)就可以在函數(shù)集f ( x,w),w 中挑選一個(gè)函數(shù)，使其能同時(shí)確和置信范圍的最小化。

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 文銀平;胡志祥;趙文光;朱宏平;;利用網(wǎng)格搜索進(jìn)行地球橢球面閃電定位[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年09期

2 姚志祥;王椿鏞;樓海;;利用基于圍陷波波形相關(guān)的網(wǎng)格搜索法確定昆侖山斷裂帶結(jié)構(gòu)參數(shù)[J];地球物理學(xué)報(bào);2010年05期

本文編號(hào)：2811002