基于网格搜索的支持向量机砂土液化预测模型
在使用支持向量机对砂土液化进行预测时,不可避免地会遇到惩罚因子和核函数参数如何选取的问题,目前还没有确定这两个参数的选择模式,解决这一问题比较常用的办法有经验公式法、遗传算法和网格搜索法.对此本文基于网格搜索方法,使用LIBSVM软件包,寻找砂土液化训练样本的结构风险最小值所对应的支持向量机最优参数;使用最优参数,建立了支持向量机砂土液化预测模型.研究结果表明:预测样本的正确率可达87.5%,而且预测结果稳定;同时通过比较BP神经网络的砂土液化预测情况,可知支持向量机有更好的泛化能力,收敛速度也更快.
砂土液化预测、支持向量机、网格搜索、惩罚因子、核函数参数
28
TU435(土力学、地基基础工程)
国家自然科学基金5097813;辽宁省优秀人才支持计划2008RC23
2011-06-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
24-28