基于支持向量机方法的砂土地震液化分析

被引:5
作者
师旭超
范量
韩阳
机构
[1] 郑州工程学院建工系
[2] 郑州工程学院建工系 河南郑州
[3] 河南郑州
关键词
砂土液化; 地震; 向量计算机; 预测技术;
D O I
10.15926/j.cnki.issn1672-6871.2004.03.019
中图分类号
TU441 [无粘附力(无凝聚性)土与地基]; TP181 [自动推理、机器学习];
学科分类号
081401 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
提出了砂土地震液化分析的一种新方法,即支持向量机方法。该方法根据有限的学习样本,建立了各种影响因素和地震液化之间的一种非线性映射,可以对砂土在地震条件下的液化进行分析。基于已有的砂土地震液化资料,采用支持向量机模型,对国外地震现场实例进行了预测,网络输出结果与实际情况十分吻合。实例研究表明,支持向量机方法用于预测砂土地震液化是有效而可行的。
引用
收藏
页码:74 / 77
页数:4
相关论文
共 7 条
[1]   基于BP神经网络的砂土地震液化分析 [J].
王士杰 ;
赵胜利 ;
刘燕 ;
田伟 .
四川建筑科学研究, 2003, (02) :92-94
[2]   基于支持向量机的岩体工程分级 [J].
赵洪波 ;
冯夏庭 ;
尹顺德 .
岩土力学, 2002, (06) :698-701
[3]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[4]   地震砂土液化可能性的非确定性灰色预测方法 [J].
陈新民 ;
罗国煜 .
桂林工学院学报, 1997, (02) :7-10
[5]   砂土地震液化模糊综合评判实用方法 [J].
翁焕学 .
岩土工程学报, 1993, (02) :74-79
[6]   应用优选法预测场地砂土地震液化 [J].
章连洋 ;
杜坚 .
工程抗震, 1988, (04) :34-38
[7]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167