典型文献
基于支持向量机的边坡稳定状态预测及参数优化
文献摘要：
以边坡稳定状态为预测对象,在搜集了 171个边坡数据的基础上,选取容重、黏聚力、内摩擦角、孔隙压力比、坡角、坡高作为预测指标,建立了基于支持向量机的边坡稳定状态预测模型.在此基础上,研究了模型训练集抽取比例(50％、60％、70％、80％)、数据预处理方法(标准化、归一化至[0,1]、归一化至[-1,1])及模型最优参数确定方法对预测结果的影响.提出了两种模型最优参数搜索方案.方案一是"N个搜索网格,逐个网格优化搜索",方案二是"单个搜索网格,逐个网格点N次采样平均".结果表明:预测模型在各种情况下的平均准确率均在80％左右;随训练集抽取比例增加,模型的预测准确性显著提升;当训练集抽取比例为80％,将数据归一化至[-1,1],取SVM模型的惩罚参数c和核函数参数g分别为25、20时,模型的平均准确率最高,达到了 84.39％;将数据进行归一化处理后得到的预测结果在准确性上与采用标准化后的结果较为接近;最优参数搜索方案二在准确率、计算效率上要优于方案一.最后,使用建立的模型预测了 22个稳定边坡和17个不稳定边坡的稳定状态,总体准确率达92.31％.
文献关键词：
安全工程;边坡稳定;支持向量机;数据预处理;参数优化
中图分类号：
作者姓名：
周苏华;周帅康;谭捍华;黄明华;马白虎;黄郁东
作者机构：
湖南大学建筑安全与节能教育部重点实验室,长沙410082;湖南大学土木工程学院,长沙410082;贵州省质安交通工程监控检测中心有限责任公司,贵阳550014;贵州省公路开发有限责任公司,贵阳550014
文献出处：
引用格式：
[1]周苏华;周帅康;谭捍华;黄明华;马白虎;黄郁东-.基于支持向量机的边坡稳定状态预测及参数优化)[J].安全与环境学报,2022(03):1187-1197
A类：
B类：
边坡稳定,稳定状态,状态预测,容重,黏聚力,内摩擦角,孔隙压力,坡角,高作,预测指标,模型训练,训练集,数据预处理方法,最优参数,参数确定,确定方法,搜索网,逐个,网格优化,格点,平均准确率,预测准确性,数据归一化,惩罚参数,核函数,函数参数,归一化处理,采用标准,计算效率,不稳定边坡,安全工程
AB值：
0.346316
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。
