收藏本站
《江西理工大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于混合核函数MAPSO-SVR的边坡位移预测研究

于良  
【摘要】:随着边坡大量涌现,边坡滑坡事件屡见不鲜,从而给人民的生产、生活带来了巨大的影响和损失,因此对边坡的变形预测和预警,就显得尤为迫切和重要。针对传统预测方法的不足,有必要探讨新方法来进行预测。为此,本文将改进支持向量机运用到边坡位移预测中。首先,针对支持向量机预测模型参数难以求取、传统PSO参数寻优易陷入极值的问题,将自适应惯性权重置换粒子群算法速度更新公式中的惯性权重;并运用多粒子信息共享改进粒子群算法的位置更新公式,构建MAPSO算法。针对单一核函数泛化性、学习能力存在的问题,运用Poly与RBF加递减权混合核函数代替SVM核函数。运用MAPSO算法对混合核函数的支持向量机进行参数寻优,最终建立混合核函数MAPSO-SVR的边坡位移预测模型。其次,采用丹巴镜滑坡位移数据和新卧龙滑坡位移数据作为实验数据,运用Faruto等人开发的Libsvm加强版工具箱,实现对混合核函数MAPSO-SVR的边坡位移预测模型的训练和预测。最后,根据编制的Matlab程序,将基于混合核函数MAPSO-SVR的边坡位移预测结果与基于传统支持向量机预测结果做对比。其中,丹巴镜滑坡位移数据,基于混合核函数MAPSO-SVR的边坡位移预测得到的最大、最小相对误差分别为6.97%、0.55%;基于混合核函数MAPSO-SVR的边坡位移预测得到的均方误差和平方和误差分别为0.014、0.074;基于PSO参数寻优算法的支持向量机边坡位移预测得到的最大、最小相对误差分别为9.92%、2.15%;基于PSO参数寻优算法的支持向量机边坡位移预测得到的均方误差和平方和误差分别为0.033、0.166。卧龙寺新滑坡数据,基于混合核函数MAPSO-SVR的边坡位移预测得到的最大、最小相对误差分别为3.67%、0.16%;基于混合核函数MAPSO-SVR的边坡位移预测得到的均方误差和平方和误差分别为1.16、6.90;基于PSO参数寻优算法的支持向量机边坡位移预测得到的最大、最小相对误差分别为10.46%、3.79%;基于PSO参数寻优算法的支持向量机边坡位移预测得到的均方误差和平方和误差分别为7.35、44.08。由此可以验证基于混合核函数MAPSO-SVR的边坡位移预测有更高的精度。
【学位授予单位】:江西理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:P642.22

【相似文献】
中国期刊全文数据库 前10条
1 吴绵拔;;边坡位移与时间的关系[J];土工基础;2007年06期
2 盛松涛;苏忖安;毛建平;朱全平;;加权一阶局域法在边坡位移预测中的应用研究[J];人民长江;2006年11期
3 李维朝;戴福初;刘汉东;武富强;;对边坡位移监测曲线振荡起伏的分析[J];工程地质学报;2008年02期
4 许江;季惠英;唐晓军;;不等时距灰色模型的边坡位移预测及软件化[J];重庆大学学报;2008年05期
5 杨振杰;;边坡位移监测与控制[J];中国矿山工程;2006年04期
6 陈绍桔;;边坡位移时间序列分析预测[J];福建建筑;2008年06期
7 苏夏征;程峰;莫时雄;李毅;;相空间重构技术在边坡位移预测中的应用[J];安徽建筑;2008年05期
8 丁继新;;边坡位移监测的若干技术问题[J];水文地质工程地质;2007年05期
9 陈秀勇;;有关相空间重构及其在边坡位移预测中的应用研究[J];魅力中国;2009年16期
10 牛景太;;基于高边坡位移突变的安全监控模型[J];南水北调与水利科技;2012年05期
中国重要会议论文全文数据库 前5条
1 吴定洪;刘雄;;边坡位移的时间序列分析方法研究[A];中国岩石力学与工程学会第三次大会论文集[C];1994年
2 贾愚如;黄玉灵;;边坡位移的数据处理及预测分析[A];自然边坡稳定性分析暨华蓥山形变体形变趋势研讨会论文摘要集[C];1991年
3 李克钢;张重庆;;基于时间序列的神经网络建模及边坡位移预测[A];第十届全国青年岩石力学与工程学术大会论文集[C];2009年
4 史永胜;许东俊;;边坡位移预测的叠合时序模型研究[A];面向21世纪的岩石力学与工程:中国岩石力学与工程学会第四次学术大会论文集[C];1996年
5 李维朝;戴福初;刘汉东;武富强;;对边坡位移监测曲线振荡起伏的分析[A];中国科学院地质与地球物理研究所2008学术论文汇编[C];2009年
中国重要报纸全文数据库 前1条
1 白静;研发边坡位移监测系统[N];中国煤炭报;2009年
中国硕士学位论文全文数据库 前7条
1 代在波;基于粒子群算法的边坡位移预测研究[D];重庆交通大学;2016年
2 于良;基于混合核函数MAPSO-SVR的边坡位移预测研究[D];江西理工大学;2018年
3 邓贤国;基于数值计算的边坡位移监测点优化布设方法研究[D];西南石油大学;2012年
4 张鹏;基于无偏灰色模糊马尔可夫理论对边坡位移预测的研究[D];武汉理工大学;2013年
5 陈峰;边坡位移序列的预测模型研究与应用[D];辽宁工程技术大学;2008年
6 向璐;基于单目视觉的边坡位移监测研究[D];重庆交通大学;2013年
7 蔚清;边坡监测数据预处理方法比较及建模研究[D];合肥工业大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026