基于遗传-组合核函数高斯过程回归算法边坡非线性变形时序分析智能模型.pdfVIP

第 28卷 第 l0期 岩石力学与工程学报 Vb1．28 N0．10 2009年 lO月 ChineseJournalofRockMechanicsandEngineering Dct．，2009 基于遗传 一组合核函数高斯过程回归算法的边坡 非线性变形时序分析智能模型 刘开云，刘保国，徐 冲 (北京交通大学 土木工程学院，北京 1000441 摘要：与支持向量机相比，高斯过程有着容易实现、灵活的非参数推断及预测输出具有概率意义等优点。将高斯 过程回归引入边坡非线性变形时序分析，采用单一核函数之和作为高斯过程回归的组合核函数以提高其泛化性能。 目前通常采用共轭梯度法求取训练样本对数似然函数的极大值以自适应地获得最优超参数，但共轭梯度法存在优 化效果初值依赖性强、迭代次数难以确定、易陷入局部最优解的缺陷。改用十进制遗传算法在训练过程中搜索最 优超参数，形成遗传一组合核函数高斯过程