基于PCA与IGWO优化SVM的地震砂土液化预测模型研究.pdfVIP

摘要

地震作为破坏性极强的自然灾难之一，给人类带来的影响巨大，我国疆域辽

阔，各处地震活动频繁，地震诱发的液化灾害给人民生命财产安全造成了严重威

胁。因此，在工程勘察和建设时，科学有效的判别砂土液化对地震防灾减灾规划

和人民生命财产安全具有重大意义。过去常使用经验法和室内实验法进行液化评

判，但以历史数据为基础的经验法迁移性差，室内实验则同实际液化条件之间存

在较大差距，通用性不佳。导致地震的因素繁多且各因素之间存在非线性关系，

随着计算机技术的飞速发展，使用机器学习模型解决复杂非线性问题得到广泛应

用。灰狼算法作为群智能算法，具有参数少，寻优性强等优点。但算法全局和局

部搜索时的内部协调影响寻优准确度。本文通过引入多重策略对灰狼优化算法进

行改进，将改进后的算法应用于支持向量机核函数的参数优化，同时使用主成分

分析法对影响砂土液化的因素进行约简，构建基于支持向量机的砂土液化判别模

型，并对模型进行有效性分析。主要研究内容和结论如下：

（1）为保证初始化种群的多样性，避免初始种群质量低下而导致收敛速度

慢的问题，引入反向学习策略对灰狼算法初阶段进行优化。在算法搜索阶段使用

新的非线性收敛方式重构收敛因子用以平衡种群内部全局搜索和局部开发，增强

内部寻优。最后使用具有动态调节权重的位置更新策略对算法的迭代进行优化，

促使算法跳出局部最优，更准确的输出最优解。

（2）将改进后的灰狼算法同基本灰狼算法、樽海鞘SSA算法、MFO算法以

及WOA算法在同一实验环境下使用9个不同维度的基准测试函数进行对比分析。

为进一步定量分析寻优精度，对五种不同算法进行25次仿真实验，对函数寻优结

果的最优值、最差值、均值和标准差四个方面进行对比分析。结果表明改进后的

灰狼算法表现出极强的函数收敛能力，最优值寻优精度相较其他算法有着明显提

升，最差值、均值和标准差则低于其他对比算法多个数量级，证明了改进的灰狼

算法在寻优精度方面具有较强优势。

（3）使用唐山地震液化资料为数据样本，利用主成分分析法提取主影响因

素，消除变量相关性对预测结果的影响。使用多策略改进的灰狼优化算法优化支

持向量机主参数C和g，对数据样本进行学习测试，构建基于PCA-IGWO-SVM

的砂土液化预测模型，将结果同未进行改进的模型做比较。在准确率、召回率、

特异度和精确率四个评价指标的对比中得出优化后的模型在液化样本的回判和预

测中综合评价表现最佳。

（4）对影响模型预测结果的因素进行分析。研究主成分分析、改进灰狼算

法以及训练样本变化对SVM模型的影响，构建四种基本模型进行对比分析，结果

表明：PCA和IGWO能明显提升模型预测性能，增加预测准确度。四种模型在样

本输出结果对比中，PCA-IGWO-SVM模型综合评价最优。当样本小幅变化时，

不使用IGWO优化建立的模型对训练样本的学习不够充分，同时对样本变化不敏

感。而使用IGWO优化的模型对新数据具有更高的敏感性，能更新数据信息并提

高模型的预测性能。

关键词：砂土液化；预测模型；主成分分析法；灰狼优化算法；支持向量机

Abstract

Asoneofthemostdestructivenaturaldisasters,earthquakeshaveahugeimpacton

humanbeings,morethanhalfofChinaslandisinareaswithfrequentseismicactivity,

andthedisasterscausedbyearthquake-inducedsoilliquefactioncannotbeignored.

Therefore,inengineeringinvestigationandconstruction,scientificandeffective

discriminationofsandliquefactionisofgreatsignificancetoearthquakedisaster

preventionandmitigationplanningandpeopleslifeandprope