基于逐类组合支持向量机的边坡稳定性预测研究.pdfVIP

匡野：基于逐类组合支持向量机的边坡稳定性预测研究 ·73· 基于逐类组合支持向量机的边坡稳定性预测研究 匡 野 (成都理工大学地质灾害防治与地质环境保护国家重点实验室，成都610059) 摘要：首次采用逐类组合支持向量机(TCSVM)方法，用于解决边坡稳定性预测的问题。模 型是先用支持向量分类机(SVC)对边坡状态进行判识，然后用支持向量回归机(SVR)建立边坡安 全系数预测模型，再用建好的模型对未知边坡的稳定性进行判别和安全性系数预测。利用模型对71 个边坡实例中的61个进行学习，10个进行检验。结果表明：TCSVM对边坡安全系数的预测结果均优 于SVM和PCA—SVM。表明逐类组合支持向量机方法提高了安全性系数预测的准确率，对边坡稳定 性研究具有积极意义。 关键词：边坡稳定；逐类组合支持向量机；边坡状态判识；安全性系数预测 中图分类号：U416．1+4文献标志码：A O引言 了一种模糊神经网络模型，在边坡稳定性预测中取 边坡稳定性问题是岩土工程中最为常见的一类 得了良好的效果。但是，神经网络采用内积运算， 问题，对于边坡稳定性的分析和评价的准确程度， 运算量巨大，而局部寻优极易出现局部极值问题。 直接影响边坡工程治理的成败。目前，边坡稳定性 针对神经网络的这些缺陷，一种新的学习机器—— 评价最为传统的方法是极限平衡法，是在假定滑动 支持向量机(SVM)被提了出来。支持向量机采用 面形状及位置的前提下，依据弹塑性理论、粘弹性 核函数运算代替内积运算，减少了运算量，用全局 理论等力学理论来评价边坡的稳定性…。然而，由 寻优代替局部寻优，避免了出现局部极值问题。同 于边坡是一个经过漫长地质作用形成的复杂系统， 时，还引人了结构风险函数，大大提高了机器学习 本身受到岩性、岩层倾向、地形、坡体形态、地下 的泛化能力。鉴于支持向量机有效地克服了神经网 水条件、坡体含水量、坡体内节理裂隙发育状况等 络的问题，许多学者运用支持向量机对解决边坡稳 多种因素影响。极限平衡法难以将这些非线性特征 定性问题进行了大量的尝试和摸索。如罗战友等∞J 全部考虑在内，因而对于边坡稳定性预测的准确程 提出一种支持向量机方法解决边坡稳定性预测的问 度大打折扣。随着计算机技术的日益发展，在边坡 题；余志雄等M1建立了基于v—SVR算法的边坡稳 稳定性分析问题中越来越多地用到一些复合性方法， 定性预测模型；丁宏飞等【_¨将PCA与SVM相结合， 其中神经网络法就是较为常见的一种。神经网络对 很好地解决了边坡稳定性预测的问题。 于非线性的数据有较强的处理能力，它能直接从实 目前，虽然有种类繁多的支持向量机方法可以 例样本中获取信息，建立影响因素与结论的非线性 解决边坡稳定性问题，但由于影响边坡稳定性因素 映射。运用神经网络法解决边坡稳定性问题，前人 的复杂性和不确定性，更加合理准确的评价方法还 做了很多工作，也取得了良好的效果。如冯夏庭 需探索和研究。支持向量机包括支持向量分类机 等心1提出了一种神经网络估计方法评价边坡稳定性； (SVC)和支持向量回归机(SVR)功能，两者在边 坡稳定性问题中都有运用。但是，同时把两者结合 张德政[31等将自组织特征映射神经网络(SOM)与 前绩神经网络(BP)两者结合成一种复合神经网络起来解决边坡稳定性预测的基本没有。本文在结合 模型，对边坡稳定性进行了预测；薛新华等M1建立 支持向量分类机和支持向量回归机各自特点的基础 上，首次采用逐类组合支持向量机方法(termwise— 收稿日期：2013—05—29