典型文献
基于GS-SVM的膨胀土边坡防护工程健康预测模型
文献摘要：
为了对膨胀土边坡防护工程健康状态进行精确、快速地预测,选取表征膨胀土边坡防护工程健康状态的指标,采用支持向量机算法,建立膨胀土边坡防护工程健康预测GS-SVM模型.在此基础上,研究数据预处理方式(标准化、权重量化)和模型训练集抽取比例(50％～80％)对预测结果的影响.研究结果表明:随着模型训练集抽取比例的增加,模型的预测准确率明显上升;将数据进行权重量化处理所得到的模型预测准确率显著高于数据标准化处理得到的模型预测准确率;本文所建立的膨胀土边坡防护工程健康预测GS-SVM模型准确、有效,可向其他边坡防护工程结构健康状态预测进行推广.
文献关键词：
膨胀土边坡;防护工程;健康预测;支持向量机;网格搜索法;数据预处理
中图分类号：
作者姓名：
汪磊;谢彦初;孙德安;张磊;刘传新;徐永福
作者机构：
上海交通大学土木工程系,上海,200240;上海大学土木工程系,上海,200444;苏交科集团股份有限公司,江苏南京,210017
文献出处：
引用格式：
[1]汪磊;谢彦初;孙德安;张磊;刘传新;徐永福-.基于GS-SVM的膨胀土边坡防护工程健康预测模型)[J].中南大学学报（自然科学版）,2022(01):250-257
A类：
B类：
GS,膨胀土边坡,边坡防护,防护工程,健康预测,支持向量机算法,研究数据,数据预处理,预处理方式,模型训练,训练集,预测准确率,行权,数据标准化,标准化处理,理得,可向,工程结构,结构健康状态,健康状态预测,网格搜索法
AB值：
0.226354
相似文献
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。
