本文主要研究内容
作者熊起（2019）在《基于遗传蚁群组合算法优化SVM模型的边坡位移预测研究》一文中研究指出：边坡的位移情况是其稳定性的关键因素,所以对边坡位移的监测和预测在工程施工中必不可少,通过建立有效的预测模型来分析边坡位移的规律及趋势,确定边坡的稳定性,是边坡位移预测的最终目的。针对目前常用的预测模型在模型建立和预测精度上都存在一定的问题,本文在支持向量机回归机的理论基础上,提出将遗传算法和蚁群算法组合起来,并改进蚁群算法的信息素生成策略,将此组合优化算法用于优化支持向量机参数,最终建立起基于此组合算法的支持向量机预测模型应用于边坡位移预测中。本文首先阐述了边坡位移预测的研究背景及意义,以及目前边坡变形预测和支持向量机的研究现状,并介绍了基本遗传算法和蚁群算法以及支持向量机的相关理论知识。针对在建立支持向量机边坡预测模型中核函数选取的问题,开展了研究工作,选取了目前常用的两种核函数分别建立起预测模型进行了预测实验,结果表明应用高斯径向基核函数在建立边坡预测模型中具有更好的预测效果。故本文选取高斯径向基核函数来开展基于组合算法建立支持向量机边坡预测模型的研究工作。其次为了解决支持向量机参数选取的问题,提出将遗传算法和蚁群算法组合起来,并改进蚁群算法中的信息素生成策略,将其应用于支持向量机的参数寻优中。为了验证组合算法的优势性,进行了商旅求最短路径的实验研究,结果表明组合算法的优化性能要比这两种算法的优化性能更高。故将此组合算法应用于支持向量机参数的寻优中,并构建基于组合优化算法的支持向量机边坡预测模型。最后将此模型应用于两个工程实例中,通过编写的Matlab程序,对其进行实验,并与分别应用遗传算法和蚁群算法优化建立的支持向量机预测模型进行精度比较,以平均相对误差给予评价。最终实验结果表明,基于遗传算法优化构建的支持向量机边坡预测模型其所预测的平均相对误差为3.07%和3.21%,基于蚁群算法所构建的预测模型其平均相对误差为1.82%和1.63%,而基于组合优化算法所构建的预测模型其平均相对误差为1.02%和0.97%。可见,基于组合算法优化支持向量机参数的边坡预测模型具有着更好的预测效果,可应用于实际工程之中。
Abstract
bian po de wei yi qing kuang shi ji wen ding xing de guan jian yin su ,suo yi dui bian po wei yi de jian ce he yu ce zai gong cheng shi gong zhong bi bu ke shao ,tong guo jian li you xiao de yu ce mo xing lai fen xi bian po wei yi de gui lv ji qu shi ,que ding bian po de wen ding xing ,shi bian po wei yi yu ce de zui zhong mu de 。zhen dui mu qian chang yong de yu ce mo xing zai mo xing jian li he yu ce jing du shang dou cun zai yi ding de wen ti ,ben wen zai zhi chi xiang liang ji hui gui ji de li lun ji chu shang ,di chu jiang wei chuan suan fa he yi qun suan fa zu ge qi lai ,bing gai jin yi qun suan fa de xin xi su sheng cheng ce lve ,jiang ci zu ge you hua suan fa yong yu you hua zhi chi xiang liang ji can shu ,zui zhong jian li qi ji yu ci zu ge suan fa de zhi chi xiang liang ji yu ce mo xing ying yong yu bian po wei yi yu ce zhong 。ben wen shou xian chan shu le bian po wei yi yu ce de yan jiu bei jing ji yi yi ,yi ji mu qian bian po bian xing yu ce he zhi chi xiang liang ji de yan jiu xian zhuang ,bing jie shao le ji ben wei chuan suan fa he yi qun suan fa yi ji zhi chi xiang liang ji de xiang guan li lun zhi shi 。zhen dui zai jian li zhi chi xiang liang ji bian po yu ce mo xing zhong he han shu shua qu de wen ti ,kai zhan le yan jiu gong zuo ,shua qu le mu qian chang yong de liang chong he han shu fen bie jian li qi yu ce mo xing jin hang le yu ce shi yan ,jie guo biao ming ying yong gao si jing xiang ji he han shu zai jian li bian po yu ce mo xing zhong ju you geng hao de yu ce xiao guo 。gu ben wen shua qu gao si jing xiang ji he han shu lai kai zhan ji yu zu ge suan fa jian li zhi chi xiang liang ji bian po yu ce mo xing de yan jiu gong zuo 。ji ci wei le jie jue zhi chi xiang liang ji can shu shua qu de wen ti ,di chu jiang wei chuan suan fa he yi qun suan fa zu ge qi lai ,bing gai jin yi qun suan fa zhong de xin xi su sheng cheng ce lve ,jiang ji ying yong yu zhi chi xiang liang ji de can shu xun you zhong 。wei le yan zheng zu ge suan fa de you shi xing ,jin hang le shang lv qiu zui duan lu jing de shi yan yan jiu ,jie guo biao ming zu ge suan fa de you hua xing neng yao bi zhe liang chong suan fa de you hua xing neng geng gao 。gu jiang ci zu ge suan fa ying yong yu zhi chi xiang liang ji can shu de xun you zhong ,bing gou jian ji yu zu ge you hua suan fa de zhi chi xiang liang ji bian po yu ce mo xing 。zui hou jiang ci mo xing ying yong yu liang ge gong cheng shi li zhong ,tong guo bian xie de Matlabcheng xu ,dui ji jin hang shi yan ,bing yu fen bie ying yong wei chuan suan fa he yi qun suan fa you hua jian li de zhi chi xiang liang ji yu ce mo xing jin hang jing du bi jiao ,yi ping jun xiang dui wu cha gei yu ping jia 。zui zhong shi yan jie guo biao ming ,ji yu wei chuan suan fa you hua gou jian de zhi chi xiang liang ji bian po yu ce mo xing ji suo yu ce de ping jun xiang dui wu cha wei 3.07%he 3.21%,ji yu yi qun suan fa suo gou jian de yu ce mo xing ji ping jun xiang dui wu cha wei 1.82%he 1.63%,er ji yu zu ge you hua suan fa suo gou jian de yu ce mo xing ji ping jun xiang dui wu cha wei 1.02%he 0.97%。ke jian ,ji yu zu ge suan fa you hua zhi chi xiang liang ji can shu de bian po yu ce mo xing ju you zhao geng hao de yu ce xiao guo ,ke ying yong yu shi ji gong cheng zhi zhong 。
论文参考文献
论文详细介绍
论文作者分别是来自江西理工大学的熊起，发表于刊物江西理工大学2019-09-23论文，是一篇关于边坡位移论文,支持向量机论文,遗传算法论文,蚁群算法论文,变形预测论文,江西理工大学2019-09-23论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自江西理工大学2019-09-23论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：边坡位移论文; 支持向量机论文; 遗传算法论文; 蚁群算法论文; 变形预测论文; 江西理工大学2019-09-23论文;