基于多因素位移时序PSO-SVM的边坡变形预测

摘要：

由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征.针对位移时间序列未能完全考虑环境因素对边坡变形的影响,故将影响边坡变形的有效降雨量加入监测位移时序,组成多因素位移时间序列.引入粒子群算法(PSO)对支持向量机(SVM)的模型参数寻优,结合滚动预测方法,建立了适合边坡变形预测的多因素位移时间序列PSO-SVM模型.以华光潭一级厂房后边坡表面观测位移为例进行预测分析,研究表明,新模型预测结果科学可靠,有效弥补了传统PSO-SVM后期预测泛化能力的不足,提高了模型的预测精度.新模型在边坡位移时序预测中具有一定的工程应用价值.

关键词：支持向量机、位移时间序列、粒子群算法、边坡变形、多因素

分类号：TG1;R1

在线出版日期：2015-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5