基于主成分分析和优化SVM的公路边坡稳定性评价模型

摘要：

影响公路边坡稳定性的因素众多,各因素与边坡稳定性之间的关系是未知且非线性的,常规简单数学模型难以对边坡稳定性进行有效评价.通过主成分分析法(Principal Component Analysis,PCA)去除影响因素间的相关性,将影响边坡稳定性的6个因素(容重、内聚力、内摩擦角、边坡角、边坡高度、孔隙水压力比)进行主成分提取,得到4个主成分,作为遗传算法(Genetic Algorithms,GA)优化支持向量机(Support Vector Machine,SVM)模型的输入变量,以边坡稳定性作为输出变量,最终建立基于PCA-GA-SVM的公路边坡稳定性评价模型.通过对比检验样本的评价值和实际值,模型的最大绝对误差为0.0921,最大相对误差为9.21％,满足实际工程的要求.

关键词：公路边坡、主成分分析、遗传算法、支持向量机、稳定性

所属期刊栏目：21

分类号：U416.1+4;TU43(道路工程)

资助基金：国家自然科学基金;河北省自然科学基金;河北省教育厅青年基金;河北省教育厅在读研究生创新能力培养资助项目;河北地质大学第十六届学生科技基金后补助科研项目

在线出版日期：2020-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-14