10.3969/j.issn.1001-523X.2023.01.020
基于PSO–SVM的黄土湿陷性预测研究
湿陷系数是描述黄土物理力学性质的重要指标,利用现有资料建立黄土湿陷性预测模型具有重要的工程应用价值.通过粒子群算法(PSO)优化支持向量机(SVM),建立基于PSO-SVM的黄土湿陷性预测模型,SVM用于描述湿陷系数与黄土物理力学指标间的非线性关系,PSO对SVM参数进行全局寻优,避免人为选择参数的盲目性,从而提高模型的预测精度.结果表明PSO-SVM方法在精度和适用性方面由于传统的人工神经网络方法,建立的黄土湿陷性预测模型可以满足工程应用需求.
湿陷系数、粒子群算法、支持向量机、预测模型
50
TU444(土力学、地基基础工程)
2023-02-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
61-63