基于PCA-SVM的边坡稳定性分析方法研究

摘要：

水利工程改扩建工程往往受到场地局限性的影响,不可避免地需要对山体进行开挖和填埋,边坡稳定性对于工程活动的安全至关重要.在工程初期的可行性研究阶段,对边坡稳定性进行分析就显得尤为重要.考虑到边坡稳定性各影响因素间的相关性以及边坡稳定性分析过程的非线性性、复杂性,应用主成分分析和网格搜索支持向量机的理论,建立边坡稳定性分析模型(PCA-SVM模型).以甘肃省平凉市崆峒水库工程数据为例,利用主成分分析法对影响因素进行分析和筛选,分别对PCA-SVM的拟合结果和单一的SVM模型、经过PCA处理后的遗传算法优化BP神经网络(GA-BP)、梯度增强回归(GBR)、粒子群优化BP神经网络(PSO-BP)和RBF神经网络(RBF)模型的拟合结果进行对比,结果表明本文提出的PCA-SVM模型的平均绝对误差和均方误差最小,拟合效果最好,可以用于边坡稳定性分析研究,为现阶段的边坡稳定性研究提供了参考.

关键词：边坡稳定性;主成分分析;支持向量机

所属期刊栏目：43

分类号：TV223.2

在线出版日期：2021-12-13（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：44-49,93