發(fā)布時間：2021-08-16 13:37

　　邊坡穩(wěn)定性分析是巖土工程的一個常見問題,影響參數(shù)較多。首先將影響邊坡穩(wěn)定性的樣本集合建立支持向量機（Support Vector Machine,SVM）回歸模型,而后使用網(wǎng)格搜索法（Grid-search）優(yōu)化支持向量機的參數(shù),并將優(yōu)化過參數(shù)的支持向量機回歸模型與貝葉斯嶺回歸模型、普通線性回歸模型、梯度增強回歸模型的預測結果進行對比。研究結果表明:優(yōu)化后的SVM回歸模型預測方法在邊坡安全系數(shù)預測方法中更為精準穩(wěn)定,具有一定的實際應用價值。 

【文章來源】：鐵道建筑. 2019,59(05)北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
1 支持向量機
2 支持向量回歸機模型
    2.1 K折交叉驗證與網(wǎng)格搜索
    2.2 邊坡穩(wěn)定性安全系數(shù)模型的建立
3 SVM回歸效果評估
    3.1 導入多個預測模型
    3.2 擬合結果
    3.3 實例預測
4 結語


【參考文獻】：
期刊論文
[1]優(yōu)化支持向量機及其在智能故障診斷中的應用[J]. 王保建,張小麗,傅楊奧驍,陳雪峰.  振動.測試與診斷. 2017(03)
[2]基于BCABC-SVM的邊坡穩(wěn)定性預測[J]. 胡軍,王凱凱,董建華.  沈陽工業(yè)大學學報. 2016(02)
[3]蒙特卡羅法在邊坡可靠度分析中的應用[J]. 趙清靜.  山西建筑. 2015(16)
[4]基于支持向量機的目標檢測算法綜述[J]. 郭明瑋,趙宇宙,項俊平,張陳斌,陳宗海.  控制與決策. 2014(02)
[5]基于核主成分分析和粒子群優(yōu)化支持向量機的滑坡位移預測[J]. 彭令,牛瑞卿,趙艷南,鄧清祿.  武漢大學學報(信息科學版). 2013(02)
[6]基于LS-SVM組合預測的地空導彈發(fā)射車液壓系統(tǒng)油液污染度預測[J]. 王錕,王潔,刁迎春.  傳感技術學報. 2012(05)
[7]關于統(tǒng)計學習理論與支持向量機[J]. 張學工.  自動化學報. 2000(01)

碩士論文
[1]程序、互動不公正的補救及其效果研究[D]. 梁阿正.浙江工商大學 2012
[2]基于線性規(guī)劃算法的支持向量機及其應用[D]. 劉鶴立.上海海事大學 2006



本文編號：3345770