基于改進SVM算法的邊坡穩(wěn)定性分析研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、滑坡是一種全世界普遍的地質災害,給國民經(jīng)濟和人民生命財產(chǎn)帶來嚴重威脅,多年來人們對滑坡預測預報進行了廣泛的研究,取得了許多重要成果。但由于地質現(xiàn)象的復雜性,采樣數(shù)據(jù)的稀疏離散和有限性,同時滑坡又是受多種因素影響而發(fā)展演化的非線性動力系統(tǒng),使得滑坡預測預報方法尚存在許多改進之處。
  本文針對區(qū)域性滑坡數(shù)據(jù)采集困難,樣本數(shù)據(jù)較少,傳統(tǒng)算法對小樣本數(shù)據(jù)的分類準確率不高等問題,采用支持向量機(SVM)來對邊坡穩(wěn)定性進行分析研究,并考慮到

2、影響滑坡穩(wěn)定性的因素眾多,不同因素間存在冗余的情況,以及樣本數(shù)據(jù)中某些類別的樣本過少,出現(xiàn)類不平衡的情況,引入主成分分析法(PCA)和 Boosting算法對基于SVM算法的邊坡穩(wěn)定性分析方法進行了改進,具體研究內容包括:
  1)SVM算法需要的數(shù)據(jù)應該是離散變量或者具有高斯分布特征的連續(xù)變量,但是滑坡樣本數(shù)據(jù)并不滿足這兩項條件。本文選取容重、粘聚力、內摩擦角、坡高、坡度5個因子作為影響邊坡穩(wěn)定性的變量,采用等頻離散法進行邊坡樣

3、本數(shù)據(jù)的離散化;通過網(wǎng)格搜索法確定高斯徑向基核函數(shù)的懲罰因子和方差后建立SVM模型;采用“留一法”驗證SVM模型在邊坡穩(wěn)定性分析中的可信度和可靠性,并與馬氏距離和Bayes判斷法進行對比,結果表明基于SVM的方法優(yōu)于其它兩種方法。
  2)針對影響邊坡穩(wěn)定性的因素繁多且復雜,以及收集到的數(shù)據(jù)間有冗余的特點,對影響邊坡穩(wěn)定性的因素進行量化后,用PCA來提取影響邊坡穩(wěn)定性的主要因素,隨后運用 SVM模型對提取主成分前后的邊坡樣本數(shù)據(jù)進

4、行分析,結果表明 PCA不僅在簡化屬性方面有獨到的用處,而且可以用來分析未知邊坡的穩(wěn)定狀態(tài),準確率更高。
  3)由于所采集的邊坡數(shù)據(jù)中各個類別的數(shù)量差異較大,會產(chǎn)生類不平衡的問題,對SVM模型的準確度造成影響。而Boosting算法對提高類不平衡數(shù)據(jù)的分類具有很好的適應性,本文采用Boosting及AdaBoost集成SVM算法的方法對邊坡穩(wěn)定性進行分析,對比結果表明,雖然Boosting-SVM和AdaBoost-SVM模型的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論