多分类支持向量机在滑坡稳定性判识中的应用

被引：19

作者：

李秀珍 ^{[1
,2
,3
]}

孔纪名 ^{[1
,2
]}

王成华 ^{[2
,3
]}

机构：

[1] 中国科学院山地灾害与表生过程重点实验室

[2] 中国科学院水利部成都山地灾害与环境研究所

[3] 西南交通大学土木工程学院

来源：

吉林大学学报(地球科学版) | 2010年 / 40卷 / 03期

关键词：

多分类支持向量机; 滑坡; 稳定性判识; 判识指标;

D O I：

10.13278/j.cnki.jjuese.2010.03.035

中图分类号：

P642.22 [滑坡];

学科分类号：

0837 ;

摘要：

如何准确地判识和评价滑坡的稳定性一直是滑坡研究中的关键问题。基于多分类支持向量机的基本理论,利用三峡库区的37个典型滑坡(27个训练样本,10个测试样本),建立了滑坡稳定性判识的多分类支持向量机模型,并与距离判别分析方法进行了比较。结果表明,SVM模型对测试样本和训练样本的判识准确率均达到100%,而距离判别法对测试样本和训练样本的判识准确率分别为80%和77.8%,前者的判识精度明显优于后者。在此基础上,将SVM模型运用于溪洛渡库区牛滚凼滑坡的稳定性判识中,结果与实际情况吻合较好。

引用

页码：631 / 637

页数：7

共 10 条

[1] 基于PSO和LSSVM的边坡稳定性评价方法 [J].