隨著城市化進(jìn)程的飛速發(fā)展,出現(xiàn)了大量的邊坡。近年來邊坡失穩(wěn)事故頻繁發(fā)生,這無疑給國家和人民帶來了相當(dāng)大的災(zāi)難。因此有必要建立有效的預(yù)測模型,對邊坡未來的變形趨勢作出準(zhǔn)確的預(yù)測,最終實現(xiàn)邊坡變形研究的目的。針對傳統(tǒng)變形監(jiān)測數(shù)據(jù)處理方法存在一定的局限性,結(jié)合優(yōu)化支持向量機(jī)參數(shù)的算法研究現(xiàn)狀,提出一種改進(jìn)的蟻群算法,將其與網(wǎng)格法結(jié)合來優(yōu)化支持向量機(jī)參數(shù),并應(yīng)用于邊坡變形預(yù)測中。首先,闡述了邊坡變形預(yù)測的意義,對邊坡變形預(yù)測研究現(xiàn)狀作了全面的分析,提出將能夠有效地解決小樣本、非線性和高維度等問題的支持向量機(jī)用來預(yù)測邊坡變形。針對傳統(tǒng)支持向量機(jī)預(yù)測模型參數(shù)難以確定、基本蟻群算法尋參易陷入局部最優(yōu)的問題,提出動態(tài)調(diào)節(jié)蟻群轉(zhuǎn)移概率公式中的兩個因子和揮發(fā)系數(shù),構(gòu)建改進(jìn)的蟻群算法,并與網(wǎng)格法結(jié)合來搜索支持向量機(jī)最佳參數(shù),最終建立改進(jìn)的蟻群優(yōu)化支持向量機(jī)參數(shù)模型。其次,選取邊坡變形兩個實例數(shù)據(jù),采取一步預(yù)測的方法,在Matlab平臺上結(jié)合Microsoft Visual C++6.0編譯器,使用libsvm工具箱擴(kuò)展編程,來完成改進(jìn)蟻群優(yōu)化支持向量機(jī)參數(shù)模型的訓(xùn)練與預(yù)測。最后,根據(jù)編寫的Matlab程序,...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.2線性可分時候的最優(yōu)分類面

圖3.2線性可分時候的最優(yōu)分類面中，分別用圓形和方形圖案來表示兩類樣本，要求的超平面為是過一種樣本里最靠近H里樣本點的平面，且平行于超平面H分類面必須得滿足：（1）不同的樣本可以準(zhǔn)確地被分類面分出類間隔。前者確保讓經(jīng)驗風(fēng)險是最小的，而后者實現(xiàn)最大。本數(shù)據(jù)為：(,),,....

圖4.1測試絕對誤差結(jié)果

第四章改進(jìn)的ACO優(yōu)化SVM參數(shù)的研究表4.3實驗結(jié)果序號實測值/m預(yù)測值/m誤差/mm高斯核函數(shù)多項式核函數(shù)高斯核函數(shù)多項式核函數(shù)第22期202.953202.9621202.9670+9.1+14.0第23期202.945202.96....

圖4.231城市路線圖

31圖4.231城市路線圖表4.5三種方法求解結(jié)果算法神經(jīng)網(wǎng)絡(luò)法混合遺傳法改進(jìn)ACO路徑長度15904km15404km12632km由以上結(jié)果可知，本文改進(jìn)的蟻群算法得到的最短路線總長度低于神經(jīng)網(wǎng)以及混合遺傳算法，為12632km，比其他兩種算法求解出....

圖4.3ACO優(yōu)化SVM參數(shù)原理圖

圖4.3ACO優(yōu)化SVM參數(shù)原理圖.6改進(jìn)的ACO-SVM模型預(yù)測邊坡變形步驟首先確定參數(shù)位數(shù)和范圍，其次通過改進(jìn)方法不斷搜索SVM最佳參數(shù)，然參數(shù)賦予改進(jìn)蟻群支持向量機(jī)，構(gòu)建ACO-SVM算法，最后進(jìn)行邊坡預(yù)測。算終止條件為迭代次數(shù)達(dá)到最大次數(shù)，具體步驟....

本文編號：3891503