基于PSO和LSSVM的边坡稳定性评价方法

被引:14
作者
马文涛
机构
[1] 宁夏大学数学计算机学院
关键词
边坡稳定性评价; 粒子群算法; 最小二乘支持向量机; 参数优化;
D O I
10.16285/j.rsm.2009.03.023
中图分类号
TU43 [土力学];
学科分类号
0801 ; 080104 ; 0815 ;
摘要
提出了基于粒子群算法(PSO)和最小二乘支持向量机(LSSVM)的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。
引用
收藏
页码:845 / 848
页数:4
相关论文
共 7 条
[1]   支持向量机方法在膨胀土分类中的应用 [J].
马文涛 .
岩土力学, 2005, (11) :99-101
[2]   基于ν-SVR算法的边坡稳定性预测 [J].
余志雄 ;
周创兵 ;
李俊平 ;
史超 .
岩石力学与工程学报, 2005, (14) :2468-2475
[3]   基于神经网络范例推理的边坡稳定性评价方法 [J].
刘沐宇 ;
冯夏庭 .
岩土力学, 2005, (02) :193-197
[4]   支持向量机函数拟合在边坡稳定性估计中的应用 [J].
赵洪波 ;
冯夏庭 .
岩石力学与工程学报, 2003, (02) :241-245
[5]   边坡稳定性评价方法研究及发展趋势 [J].
夏元友 ;
李梅 .
岩石力学与工程学报, 2002, (07) :1087-1091
[6]   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
[7]   边坡稳定性的神经网络估计 [J].
冯夏庭,王泳嘉,卢世宗 .
工程地质学报, 1995, (04) :54-61