边坡稳定性的k-近邻估计.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
边坡稳定性的k-近邻估计.pdf

第38卷第1期 浙江师范大学学报(自然科学版) Vol.38,No.1 2015年2月       JournalofZhejiangNormalUniversity(Nat.Sci.)       Feb.2015    DOI:10.16218/j.issn.10015051.2015.01.012 边坡稳定性的k近邻估计 1 2 李超群 , 蒋良孝 (1.中国地质大学数学系,湖北 武汉 430074;2.中国地质大学计算机科学系,湖北 武汉 430074) 摘 要:边坡稳定性估计的精度直接关系到边坡工程的成败.然而,边坡稳定性与其影响因素之间存在复杂的 非线性关系.当目标函数很复杂时,如果只建立目标函数的局部逼近,并将其应用于待测实例的邻域,就能获 得较高的预测精度.这种局部建模方法的典型代表就是k近邻及其改进算法.在研究k近邻算法的基本原理 及其改进方法的基础上,提出了应用距离加权的k近邻方法对由岩石容重、岩石内聚力、内摩擦角、边坡角、边 坡高度和孔隙水压力6个特征参数组成的岩土参数进行建模,估计表征边坡稳定性的安全系数.实验中,用 82个圆弧破坏边坡实例中的71个实例进行建模,对另外 11个实例进行推广预测.实验结果表明:用k近邻 算法进行边坡稳定性预测有较高的精度. 关键词:k近邻;距离加权;边坡稳定性;回归预测 中图分类号:TP181    文献标识码:A    文章编号:10015051(2015)01007305 knearestneighborestimationofslopestability 1 2 LIChaoqun, JIANGLiangxiao (1.DepartmentofMathematics,ChinaUniversityofGeosciences,WuhanHubei 430074,China;2.DepartmentofComputerScience,ChinaUni versityofGeosciences,WuhanHubei 430074,China) Abstract:Theestimationprecisionofslopestabilitywasdirectlyrelatedtothesuccessorfailureoftheslope engineering.However,therelationshipbetweenslopestabilityandinfluencingfactorswascomplexandnonlin ear.Whenthetargetfunctionwascomplex,approximatingthetargetfunctionlocallyanddifferentlyforeach distinctqueryinstancecouldgethigheraccuracy.Thetypicalrepresentativeofthesemethodswasknearest neighbor(KNN)anditsimprovedmethods.ItwasfirstlystudiedthebasicprincipleofKNNanditsimproved methods,andthenthedistanceweightedKNN(KNNDW)wasappliedtobuildthepredictingmodelbasedon theinstancedatacomposedof6characteristicparametersandpredictsafetyfactorscharacterizingslopestabili ty.Intheexperiments,71instancesfrom82arcslopedestructioninstanceswereusedt

文档评论(0)

月光般思恋 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档