基于FOA―SVR算法边坡稳定性预测方法及其软件设计.docVIP

基于FOA―SVR算法边坡稳定性预测方法及其软件设计 　　摘 要：针对一般边坡失稳预测方法的样本归一化处理、选择经验核函数等带来的预测误差，本文利用果蝇优化算法优化支持向量回归的回归参数（ FOA-SVR ），选择“bspline”核函数，对于边坡训练样本不做归一化处理，通过训练来对边坡稳定性进行预测，并且利用MATLAB编程将上述算法可视化，开发出了基于FOA-SVR的边坡预测软件。算例的计算结果显示，预测值和实际值一致，算法精度较高，而且软件系统稳定，界面简洁，具有很强的实用性。 　　关键词：边坡稳定性预测；回归支持向量机；果蝇优化算法 FOA-SVR 　　目前，边坡稳定性的分析方法有很多，如工程地质分析[1，2]、极限平衡分析法[3，4]、极限分析法[5，6]、数值分析方法（有限元法、有限元强度折减法）、可靠性分析方法等。但是，这些传统方法大都遇到了“机制不清楚”、“ 参数给不准”、“ 模型给不准” 等瓶颈问题。这些评价方法往往不能动态的显示出地质数据的非线性、模糊性、混沌性和复杂性等特征。于是，许多学者考虑用神经网络模型来研究边坡稳定性[11，12]，但是这些模型也存在着一定的缺陷。本文根据边坡案例，逐步分析各个核函数和各个参数对回归支持向量机的影响机制；然后，利用果蝇优化算法，通过边坡样本来训练优化支持向量机的回归参数，构建FOA― 　　SVR算法，确定出最优的核函数和