边坡位移非线性时间序列采用支持向量机算法的智能建模与预测研究

被引:65
作者
刘开云
乔春生
滕文彦
机构
[1] 北京交通大学土木建筑工程学院,北京交通大学土木建筑工程学院,石家庄铁路工程职业技术学院土木工程系北京 ,北京 ,河北石家庄
关键词
数据挖掘; 支持向量机; 回归算法; 机器学习; 位移预测;
D O I
暂无
中图分类号
TU457 [岩石稳定性分析];
学科分类号
0801 ; 080104 ; 0815 ;
摘要
介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法———支持向量机算法,运用Matlab语言编写了程序,采用不同的核函数对具体的边坡工程实例作了计算,并将人工神经元网络计算结果与之对比,可见无论是在学习或预测精度方面,支持向量机算法较基于经验风险最小化原理的人工神经元网络算法都有很大的优越性,可以运用于实际工程。
引用
收藏
页码:57 / 61
页数:5
相关论文
共 7 条
[1]  
MATLAB 6.0与科学计算.[M].王沫然编著;.电子工业出版社.2001,
[2]  
智能岩石力学导论.[M].冯夏庭著;.科学出版社.2000,
[3]  
模式识别.[M].边肇祺等编著;.清华大学出版社.2000,
[4]   岩爆预测的支持向量机 [J].
冯夏庭 ;
赵洪波 .
东北大学学报, 2002, (01) :57-59
[5]   支持向量机多专家决策算法 [J].
田盛丰 ;
黄厚宽 .
模式识别与人工智能, 2000, 13 (02) :165-169
[6]   应用SVM方法进行沉积微相识别 [J].
阎辉 ;
张学工 ;
李衍达 .
物探化探计算技术, 2000, (02) :158-164
[7]   基于支持向量机的数据库学习算法 [J].
田盛丰 ;
黄厚宽 .
计算机研究与发展, 2000, (01) :17-22