典型文献
基于SSA-SVM的边坡失稳智能预测及预警模型
文献摘要：
针对传统统计学习模型等方法对边坡失稳预测精度低、难度大等问题,在对国内外304个边坡案例中高度、角度、容重、黏聚力、内摩擦角、孔隙压力比和边坡状态等参数进行搜集统计的基础上,建立边坡预测数据库,采用麻雀搜索算法(SSA)优化支持向量机(SVM),构建SSA-SVM边坡失稳智能预测模型,实现对边坡失稳智能预测.采用灰狼优化算法、遗传算法、布谷鸟搜索算法、粒子群优化算法、哈里斯鹰优化算法和鲸鱼优化算法优化SVM,并与SSA-SVM模型进行对比,结果表明:SSA-SVM模型在边坡失稳预测中具有突出优势,其准确率、精确率、F1分数、平均精度分数和AUC值分别达到了 90.16％,94.28％,91.43％,96.79％和0.954,高于其他优化模型的相应指标,SSA算法相比其他优化算法具有很强的竞争力.
文献关键词：
边坡失稳;边坡预测;边坡预警;麻雀搜索算法;支持向量机
中图分类号：
作者姓名：
金爱兵;张静辉;孙浩;王本鑫
作者机构：
北京科技大学金属矿山高效开采与安全教育部重点实验室,北京100083;北京科技大学土木与资源工程学院,北京100083
文献出处：
引用格式：
[1]金爱兵;张静辉;孙浩;王本鑫-.基于SSA-SVM的边坡失稳智能预测及预警模型)[J].华中科技大学学报（自然科学版）,2022(11):142-148
A类：
边坡预测
B类：
SSA,边坡失稳,智能预测,预警模型,统统,统计学习,容重,黏聚力,内摩擦角,孔隙压力,预测数据,麻雀搜索算法,优化支持向量机,灰狼优化算法,布谷鸟搜索算法,粒子群优化算法,哈里斯鹰优化算法,鲸鱼优化算法,算法优化,突出优势,精确率,边坡预警
AB值：
0.237011
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
