基于ν-SVR算法的边坡稳定性预测

提出基于一种改进支持向量机算法(ν-SVR)的边坡稳定性预测方法,直接利用边坡的特征参数快速预测边坡稳定性。为解决算法中模型选择困难的问题,用留一法设计预测模型,用网格搜索法搜索最优参数。留一法可以避免传统方法中根据经验确定预测模型的缺点,较为客观地获取合适的预测模型。网格搜索法可以保证搜索到合适的参数。计算结果显示,联合运用这两种方法可以获得合适的预测模型。利用该预测模型对82个圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行推广预测,取得了较好的效果,其预测精度明显优于一种改进BP神经网络算法和常规SVR算法,与GA-BP神经网络算法相近。在此基础上,提出基于ν-SVR算法的边坡设计方法,能够快速、准确的获取不同方案下的边坡安全系数,评价其稳定性,为选择经济合理的边坡设计方案提供决策依据。