滑坡变形的支持向量机非线性组合预测

摘要：

在分析支持向量机(SVM)用于时间序列预测和非线性组合原理基础上,提出基于支持向量机的非线性组合预测方法.利用4种单项预测方法,包括SVM、径向基函数前向型神经网络(RBF)、反馈型神经网络(Elman)及3层神经网络(ANN),分别进行滑坡变形时序的建模与预测.对4种方法的预测结果再采用线性组合方法(简单平均、方差倒数、改进最优加权系数)和非线性组合方法(SVM、BP神经网络)进行组合预测及方法性能的比较.结果表明,非线性组合的平均相对误差明显低于线性组合方法,且对滑坡这种具有一定程度不确定性的非线性系统,SVM的非线性组合方法有着更理想的预测效果,7步外推预测准确度控制在89.3%以上.而与BP神经网络非线性组合相比,SVM也具有更好的稳健性和泛化性.

关键词：非线性组合、支持向量机、Elman反馈神经网络、滑坡

所属期刊栏目：29

分类号：U416.1(道路工程)

资助基金：交通部西部交通建设科技项目2003-318-802-01;湖南省交通建设科技项目2006-8

在线出版日期：2007-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：132-136