基于支持向量机的边坡稳定性系数预测及变量分析 |
| |
引用本文: | 刘相龙,刘仲武,马灵会,任凯,王晓东.基于支持向量机的边坡稳定性系数预测及变量分析[J].水利与建筑工程学报,2023,0(1):172-178. |
| |
作者姓名: | 刘相龙 刘仲武 马灵会 任凯 王晓东 |
| |
作者单位: | 1.中兰铁路客运专线有限公司,甘肃 兰州 730000;2.甘肃土木工程科学研究院有限公司,甘肃 兰州 730000 |
| |
摘 要: | 边坡稳定性研究对于地质灾害的防治尤为重要,为了研究不同机器学习模型的边坡稳定性预测效果,以边坡稳定性系数为预测对象,选择重度、黏聚力、内摩擦角、边坡高度、坡角、孔隙压力比为输入变量,建立了基于支持向量机(SVR)的边坡稳定性系数预测模型。研究了不同核函数对 SVR模型预测结果的影响,对比了 SVR模型与极限学习机(ELM)模型、BP神经网络模型的预测效果,分析了各输入变量对 SVR模型与 ELM模型预测性能的影响。结果表明:基于 SVR的边坡稳定性系数预测模型的预测效果较好,其中采用了 RBF核函数的 SVR模型预测效果较好,平均绝对误差为 8.10%,均方根误差为 0.034;输入变量对 SVR模型与 ELM模型的影响较大,剔除各变量后 SVR模型预测结果的均方根误差变化小于 0.02,因此本文建立的 SVR模型具有更好的稳定性。
|
关 键 词: | 边坡稳定性系数 支持向量机 变量分析 机器学习 |
|
| 点击此处可从《水利与建筑工程学报》浏览原始摘要信息 |
| 点击此处可从《水利与建筑工程学报》下载免费的PDF全文 |
|