基于混合核函数PSO-LSSVM的边坡变形预测

被引：83

作者：

郑志成 ^{[1
,2
]}

徐卫亚 ^{[1
,2
]}

徐飞 ^{[1
,2
,3
]}

刘造保 ^{[1
,2
]}

机构：

[1] 河海大学岩土力学与堤坝工程教育部重点实验室

[2] 河海大学岩土工程科学研究所

[3] 海南省公路勘察设计院

来源：

岩土力学 | 2012年 / 33卷 / 05期

关键词：

边坡; 边坡变形预测; 最小二乘支持向量机; 粒子群优化; 混合核;

D O I：

10.16285/j.rsm.2012.05.039

中图分类号：

TV223 [地基基础及其加固];

学科分类号：

140303 [工业设计];

摘要：

支持向量机(SVM)的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法(PSO)对最小二乘支持向量机(LSSVM)超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。

引用

页码：1421 / 1426

页数：6

共 9 条

[1]

基于边坡位移监测数据的进化支持向量机预测模型研究 [J].