相关向量机模型在边坡稳定性预测中的应用

摘要：

近年来,边坡稳定性预测得到了广泛的研究,及时、准确的预测可以有效地预防边坡破坏灾害的发生.提出了一种基于相关向量机(relevance vector machine,RVM)的边坡稳定性预测模型,结合京-新高速公路高堑边坡工程实例,通过对比支持向量机(support vector machine,SVM)模型、径向基函数(radical basis function,RBF)神经网络模型和RVM模型的拟合及预测结果来分析其可行性.结果表明:相较于SVM模型和RBF神经网络模型,RVM模型的3种预测指标值均是最小的.其中,平均绝对误差(mean absolute error,MAE)分别降低了86.02％和22.11％,均方根误差(root mean square error,RMSE)分别降低了72.05％和1.09％,相对均方误差(relative root mean square error,RRMSE)也分别降低了75.89％和21.13％,表明RVM是一种预测边坡稳定性的稳健工具,该方法能较为准确地预测出不同指标下的边坡安全系数.

关键词：路基工程;边坡稳定性;路堑滑坡;相关向量机(RVM)模型

所属期刊栏目：21

分类号：U417.1(道路工程)

资助基金：河北省交通运输厅科学技术项目计划;天津市交委科技计划

在线出版日期：2021-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：12234-12242