[1]刘相龙,刘仲武,马灵会,等.基于支持向量机的边坡稳定性系数预测及变量分析[J].水利与建筑工程学报,2023,(01):172-178.[doi:10.3969/j.issn.1672-1144.2023.01.026]
点击复制

基于支持向量机的边坡稳定性系数预测及变量分析()
分享到：

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2023年01期
页码:
172-178
栏目:
出版日期:
2023-02-28

文章信息/Info

作者:
刘相龙1; 刘仲武1; 马灵会2; 任凯2; 王晓东1
1．中兰铁路客运专线有限公司，甘肃 兰州 730000；2．甘肃土木工程科学研究院有限公司，甘肃 兰州 730000
关键词:
边坡稳定性系数; 支持向量机; 变量分析; 机器学习
分类号:
ＴＵ431
DOI:
10.3969/j.issn.1672-1144.2023.01.026
文献标志码:
A
摘要:
边坡稳定性研究对于地质灾害的防治尤为重要，为了研究不同机器学习模型的边坡稳定性预测效果，以边坡稳定性系数为预测对象，选择重度、黏聚力、内摩擦角、边坡高度、坡角、孔隙压力比为输入变量，建立了基于支持向量机（ＳＶＲ）的边坡稳定性系数预测模型。研究了不同核函数对 ＳＶＲ模型预测结果的影响，对比了 ＳＶＲ模型与极限学习机（ＥＬＭ）模型、ＢＰ神经网络模型的预测效果，分析了各输入变量对 ＳＶＲ模型与 ＥＬＭ模型预测性能的影响。结果表明：基于 ＳＶＲ的边坡稳定性系数预测模型的预测效果较好，其中采用了 ＲＢＦ核函数的 ＳＶＲ模型预测效果较好，平均绝对误差为 8．10％，均方根误差为 0．034；输入变量对 ＳＶＲ模型与 ＥＬＭ模型的影响较大，剔除各变量后 ＳＶＲ模型预测结果的均方根误差变化小于 0．02，因此本文建立的 ＳＶＲ模型具有更好的稳定性。

参考文献/References:

［1］ 叶帅华，张玉巧，房光文．黄土高填方边坡的稳定性影响因素及其变形规律［Ｊ］．兰州理工大学学报，2021，47（3）：120-126．
［2］ 李 忠，汪红星，张 曦．基于三维位移插值的边坡滑移面搜索模型［Ｊ］．兰州理工大学学报，2020，46（6）：143-147．
［3］ 胡卫东，曹文贵．基于粒子群 ＢＰ网络混合算法的边坡稳定性评价［Ｊ］．铁道科学与工程学报，2015，12（1）：66-71．
［4］ 陈 茸，韩宝安，韩宝华，等．基于 ＤＥ-ＭＥＬＭ的土质边坡稳定性预测方法［Ｊ］．安全与环境工程，2020，27（4）：87-93．
［5］ 史笑凡，杨春风，王可意．基于支持向量机和改进 ＢＰ神经网络的路基边坡稳定性研究［Ｊ］．公路交通科技，2019，36（1）：31-37．
［6］ 余志雄，周创兵，李俊平，等．基于 ν-ＳＶＲ算法的边坡稳定性预测［Ｊ］．岩石力学与工程学报，2005，24（14）：2468-2475．
［7］ ＸｕｅＸｉｎｈｕａ．ＰｒｅｄｉｃｔｉｏｎｏｆｓｌｏｐｅｓｔａｂｉｌｉｔｙｂａｓｅｄｏｎｈｙｂｒｉｄＰＳＯａｎｄＬＳＳＶＭ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｉｎｇｉｎＣｉｖｉｌＥｎｇｉ-ｎｅｅｒｉｎｇ，2017，31（1）：04016041．
［8］ 王健伟，徐玉胜，李俊鑫．基于网格搜索支持向量机的边坡稳定性系数预测［Ｊ］．铁道建筑，2019，59（5）：94-97．
［9］ 闫长斌．边坡稳定性预测的粗糙集－距离判别模型及其应用［Ｊ］．工程地质学报，2016，24（2）：204-210．
［10］ 姚 玮，温树杰．随机森林模型在边坡稳定性预测中的应用［Ｊ］．矿业研究与开发，2017，37（4）：58-61．
［11］ 张云雁．基于 ＧＳ-ＳＶＭ的边坡稳定性预测模型［Ｊ］．水利水电技术，2020，51（11）：205-209．177 第 1期 刘相龙，等：基于支持向量机的边坡稳定性系数预测及变量分析
［12］ 袁 颖，宁志杰，周爱红，等．岩质边坡稳定性预测模型的评价指标处理方法研究［Ｊ］．自然灾害学报，2020，29（5）：150-160．
［13］ 舒苏荀，龚文惠．边坡稳定分析的神经网络改进模糊点估计法［Ｊ］．岩土力学，2015，36（7）：2111-2116．
［14］ 顾清华，李梦然，闫宝霞．基于 ＤＥ-ＢＡ-ＬＳＳＶＭ的露天矿边坡稳定性预测［Ｊ］．矿业研究与开发，2018，38（8）：1-5．
［15］ 蔡慧娟，侯 丽，张 胤．基于 ＳＶＭ-ＧＡ方法的软土复合地基边坡稳定预测模型研究及应用［Ｊ］．水利水电技术，2018，49（9）：178-183．
［16］ 黄海清，陈荣荣，牛 琳，等．基于偏最小二乘的小波网络膨胀土边坡稳定性预测［Ｊ］．安全与环境学报，2018，18（5）：1675-1680．
［17］ 王 芬，刘 阳，郝建斌，等．基于 ＭＡＢＣ-ＳＶＲ的边坡安全系数预测模型［Ｊ］．安全与环境工程，2019，26（2）：178-182，189．
［18］ 张凌凡，陈忠辉，周天白，等．基于梯度提升决策树的露天矿边坡多源信息融合与稳定性预测［Ｊ］．煤炭学报，2020，45（Ｓ1）：173-180．
［19］ 冯泽杰．露天矿边坡稳定性预测的 ＰＣＡ-ＡＲＴ模型及其应用［Ｊ］．煤炭技术，2020，39（10）：124-127．
［20］ 张 研，吴哲康，王鹏鹏，等．基于 ＰＣＡ-ＲＶＭ的露天矿边坡稳定性预测模型［Ｊ］．矿业研究与开发，2021，41（3）：13-18．
［21］ 冯夏庭，王泳嘉，卢世宗．边坡稳定性的神经网络估计［Ｊ］．工程地质学报，1995，3（4）：54-61．
［22］ ＳｕｍａｎＳ，ＫｈａｎＳＺ，ＤａｓＳＫ，ｅｔａｌ．Ｓｌｏｐｅｓｔａｂｉｌｉｔｙａ-ｎａｌｙｓｉｓｕｓｉｎｇａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｎａｔｕ-ｒａｌＨａｚａｒｄｓ，2016，84（2）：727-748．
［23］ ＦｅｎｇＸｉｎｇｄａ，ＬｉＳｈｕｃｈｅｎ，ＹｕａｎＣｈａｏ，ｅｔａｌ．Ｐｒｅｄｉｃ-ｔｉｏｎｏｆｓｌｏｐｅｓｔａｂｉｌｉｔｙｕｓｉｎｇｎａｉｖｅＢａｙｅｓｃｌａｓｓｉｆｉｅｒ［Ｊ］．ＫＳＣＥＪｏｕｒｎａｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，2018，22（3）：941-950．
［24］ ＳｏｎｇＹｉｑｕａｎ，ＧｏｎｇＪｉａｎｈｕａ，ＧａｏＳｈｅｎｇ，ｅｔａｌ．Ｓｕｓｃｅｐ-ｔｉｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔｏｆｅａｒｔｈｑｕａｋｅ-ｉｎｄｕｃｅｄｌａｎｄｓｌｉｄｅｓｕ-ｓｉｎｇＢａｙｅｓｉａｎｎｅｔｗｏｒｋ：ａｃａｓｅｓｔｕｄｙｉｎＢｅｉｃｈｕａｎ，Ｃｈｉｎａ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ＆Ｇｅｏｓｃｉｅｎｃｅｓ，2012，42：189-199．
［25］ ＱｉＣｈｏｎｇｃｈｏｎｇ，ＴａｎｇＸｉａｏｌｉｎ．Ｓｌｏｐｅｓｔａｂｉｌｉｔｙｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇｉｎｔｅｇｒａｔｅｄｍｅｔａｈｅｕｒｉｓｔｉｃａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｐ-ｐｒｏａｃｈｅｓ：ａｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ＆Ｉｎｄｕｓ-ｔｒｉａｌＥｎｇｉｎｅｅｒｉｎｇ，2018，118：112-122．

相似文献/References:

[1]徐南,陈逸凡,吴彦,等.基于交叉验证LSSVM的大坝监测数据处理模型[J].水利与建筑工程学报,2013,(03):67.
[2]贠剑虹,娄幸媛,付曼蓉.基于联合特征定位的水文标尺识别方法[J].水利与建筑工程学报,2024,(05):199.[doi:10.3969/j.issn.1672-1144.2024.05.028]

备注/Memo

备注/Memo:
收稿日期：2022-09-14 修稿日期：2022-10-29
基金项目：甘肃省住房和城乡建设厅建设科技项目（ＪＫ2021－46；ＪＫ2021－55）
作者简介：刘相龙（1988—），男，工程师，主要从事铁路建设管理工作。Ｅ-ｍａｉｌ：371172607＠ｑｑ．ｃｏｍ
更新日期/Last Update: 1900-01-01