典型文献
基于NRS-ISSA-SVM的砂土液化判别模型
文献摘要：
针对砂土液化判别中影响因素与砂土状态间映射关系的不确定性及模糊性等问题,在邻域粗糙集(Neighborhood Rough Set,NRS)因素约简的基础上,利用多策略融合的改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化支持向量机(Support Vector Machine,SVM)参数C和g,构建了SVM砂土液化判别模型.以吉林松原地区的42组实例作为总体样本集,其中35组作为训练集,另外7组作为测试集,利用邻域粗糙集对9个影响因素约简得到4个因素,然后输入ISSA-SVM模型进行预测,并进行了约简得到的因素敏感性分析.结果表明:因素约简剔除了冗余属性,降低了模型复杂度;ISSA算法具有极强的探索性、收敛性和局部逃逸能力;相比于其他模型,NRS-ISSA-SVM砂土液化判别模型精度更高,泛化能力更强;建议要判别砂土的液化状态,需要准确查明水位埋深、地震烈度、标准贯入击数,非液化土层厚度这4个因素,尤其是前三个因素.通过易获取的影响因素建立NRS-ISSA-SVM砂土液化判别模型,不仅可准确地判断该区域其余未知点的砂土状态,还可为其他类似问题提供参考借鉴.
文献关键词：
砂土液化;预测模型;支持向量机;邻域粗糙集;多策略融合的改进麻雀搜索算法
中图分类号：
作者姓名：
姜礼涛;周爱红;袁颖;刘育林;宁志杰;牛建广
作者机构：
河北地质大学 城市地质与工程学院,河北 石家庄 050031;河北省地下人工环境智慧开发与管控技术创新中心,河北 石家庄 050031
文献出处：
引用格式：
[1]姜礼涛;周爱红;袁颖;刘育林;宁志杰;牛建广-.基于NRS-ISSA-SVM的砂土液化判别模型)[J].地震工程学报,2022(03):570-578
A类：
B类：
NRS,ISSA,砂土液化判别,判别模型,中影,土状,映射关系,模糊性,邻域粗糙集,Neighborhood,Rough,Set,约简,多策略融合的改进麻雀搜索算法,Improved,Sparrow,Search,Algorithm,优化支持向量机,Support,Vector,Machine,松原地区,样本集,训练集,测试集,因素敏感性,模型复杂度,收敛性,逃逸,模型精度,泛化能力,查明,明水,水位埋深,地震烈度,标准贯入,土层厚度
AB值：
0.266258
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。
