基于粒子群优化算法的相关向量机边坡稳定性分析模型

摘要：

为快速获取边坡稳定性系数,及时对边坡进行稳定性评价,提出一种基于粒子群优化算法(particle swarm optimiza-tion,PSO)的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型.该模型通过选取影响边坡稳定性安全系数的6个主要因素,并对这6个主要影响因素产生的30组数据进行拟合训练,利用粒子群算法对相关向量机模型参数进行优化,选取最优参数值,根据这30组训练样本来对剩余4组样本进行精准预测.结果表明:与实际值进行对比,基于PSO-RVM模型预测的平均相对误差仅为5.64％,且建立的PSO-RVM预测模型的边坡稳定性安全系数的平均相对误差均明显优于利用BP(back propogation)神经网络和协调粒子群(coordinated particle swarm optimization,CPSO)-BP模型预测得到的平均相对误差,进一步为边坡稳定性预测及评价提供一种新方法.

关键词：粒子群优化、相关向量机、边坡稳定性、分析模型

所属期刊栏目：23

分类号：TU528(建筑材料)

资助基金：国家自然科学基金;广西自然科学基金项目;广西自然科学基金项目;水利工程岩石力学广西高等学校高水平创新团队;卓越学者计划项目;广西岩土力学与工程重点实验室项目

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8370-8376