计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
16期
235-238
,共4页
岩质边坡%稳定性评价%支持向量回归%粒子群算法
巖質邊坡%穩定性評價%支持嚮量迴歸%粒子群算法
암질변파%은정성평개%지지향량회귀%입자군산법
针对边坡稳定性影响因素的复杂性,提出了基于粒子群算法(PSO)和支持向量回归(SVR)的边坡稳定性评价模型.该模型利用粒子群算法快速全局优化的特点和支持向量回归机对小样本数据的良好学习能力,建立了岩质边坡稳定性与其影响因素之间的非线性关系.仿真实验表明,该方法具有比BP神经网络和自适应模糊推理系统(ANFIS)方法更好的预测精度.
針對邊坡穩定性影響因素的複雜性,提齣瞭基于粒子群算法(PSO)和支持嚮量迴歸(SVR)的邊坡穩定性評價模型.該模型利用粒子群算法快速全跼優化的特點和支持嚮量迴歸機對小樣本數據的良好學習能力,建立瞭巖質邊坡穩定性與其影響因素之間的非線性關繫.倣真實驗錶明,該方法具有比BP神經網絡和自適應模糊推理繫統(ANFIS)方法更好的預測精度.
침대변파은정성영향인소적복잡성,제출료기우입자군산법(PSO)화지지향량회귀(SVR)적변파은정성평개모형.해모형이용입자군산법쾌속전국우화적특점화지지향량회귀궤대소양본수거적량호학습능력,건립료암질변파은정성여기영향인소지간적비선성관계.방진실험표명,해방법구유비BP신경망락화자괄응모호추리계통(ANFIS)방법경호적예측정도.
