基于LS-SVM的模式判别技术 在边坡稳定性分析中的应用

金属矿山 ›› 2011, Vol. 40 ›› Issue (11): 58-61.

基于LS-SVM的模式判别技术在边坡稳定性分析中的应用

刘俊娥¹，曾凡雷²，林大超³，郭章林³，刘丙午¹

1.北京物资学院信息学院；2.河北工程大学经济管理学院；3.华北科技学院建筑工程学院

出版日期:2011-11-15 发布日期:2011-11-17
基金资助:
* “十一五”国家科技支撑计划项目（编号：2007BAB18B01），北京物资学院科研基地项目(编号：WYJD200902)。

Application of Pattern Recognition Algorithm in Slope Stability Analysis Based on LS-SVM Model

Liu Jun'e¹，Zeng Fanlei²，Lin Dachao³，Guo Zhanglin³，Liu Bingwu¹

1.School of Information，Beijing Wuzi University；2.School of Economics and Management，Hebei Engineering University；3.Architectural Engineering Institute，North China Institute of Science and Technology

Online:2011-11-15 Published:2011-11-17

摘要/Abstract

摘要： 由于边坡外部影响因素与内部力学性质的复杂性，边坡稳定性与各影响因素间具有高度的非线性关系，很难构建出一种普适性模型来描述边坡稳定性变化的过程。SVM（支持向量机）是一种智能化的经验学习算法，在处理非线性问题中表现出极大的优势。利用支持向量机对边坡各影响因素的数据进行分析，对边坡稳定性状态与影响因素的对应关系进行经验学习，根据学习的经验知识，利用模态判别方法对边坡的稳定性状态进行判断。试验结果表明：所提出的边坡稳定性判别方法具有很好的应用效果，可以满足工程应用的实际需求。

关键词: 支持向量机, 参数寻优, 模式判别, 边坡, 稳定性判别

Abstract: As the complexity of external factors and internal mechanics in slope，there is a highly non-linear relativity between slope stability and its influence factors，it is hard to construct a general model to describe the process of change of slope stability，SVM(Support Vectors Machine)is a intelligent experience learning algorithm，it performs great in processing the nonlinear problem.Analyzed the slope factor data with the SVM algorithm then got the experience learning model about corresponding relativity between slope stability and its influence factors，finally did the evaluation with the experience model get previously.Experience results showed that the method proposed performed well in evaluating state of the slope stability；it just could satisfy the need of projects.

Key words: Support vector machine, Parameter optimization, Pattern recognition, Slope, Stability evaluation

刘俊娥, 曾凡雷, 林大超, 郭章林, 刘丙午. 基于LS-SVM的模式判别技术在边坡稳定性分析中的应用[J]. 金属矿山, 2011, 40(11): 58-61.

LIU Jun-E, ZENG Fan-Lei, LIN Da-Chao, GUO Zhang-Lin, LIU Bing-Wu. Application of Pattern Recognition Algorithm in Slope Stability Analysis Based on LS-SVM Model[J]. Metal Mine, 2011, 40(11): 58-61.

[1]	庞俊勇, 刘　俊, 郑靓婧, 李瑶鹤, 苏红艳. 基于GA-PSO 混合优化SVR 的边坡危岩体稳定性评价模型[J]. 金属矿山, 2024, 53(9): 237-.
[2]	张化进, 吴顺川, 李兵磊. 基于改进D-S 证据理论选择性集成的边坡稳定性评价[J]. 金属矿山, 2024, 53(9): 229-.
[3]	耿加波, 兰　祥, 李小双, 唐世斌, 周令剑. 基于MatDEM 的露天转地下房柱法开采覆岩与边坡失稳规律研究[J]. 金属矿山, 2024, 53(8): 177-.
[4]	帅奕垚, 刘文连, 徐鹏飞, 汤明高, 眭素刚, 余大明. 缓坡上游式尾矿库固结变形及稳定性的离心模型试验[J]. 金属矿山, 2024, 53(8): 166-.
[5]	陶志刚, 孙滢滢, 席思达, 张未然, 朱春明, 隋麒儒. NPR 锚索对白云岩矿失稳边坡控制效应研究[J]. 金属矿山, 2024, 53(7): 220-.
[6]	陈家豪, 张　燕, 杜明芳, 黄海荣. 基于优化极限学习机模型的边坡稳定性预测研究[J]. 金属矿山, 2024, 53(6): 191-.
[7]	陈　结, 孟历德仁, 蒲源源, 崔　义, 杨　妮, 朱　超, 刘　博, 张定山. 降雨作用下露天矿山岩质边坡稳定性与声—力学特征研究[J]. 金属矿山, 2024, 53(5): 161-.
[8]	高振宇, 苗浩东, 常　远. 冻融循环下地下开采对既有边坡稳定性影响数值分析[J]. 金属矿山, 2024, 53(4): 221-.
[9]	陈延康, 郭广礼, 孟　浩, 张连贵, 郑　辉, 李怀展, 张浩宇. 陕蒙矿区深部开采导水裂隙带发育特征与高度预测方法[J]. 金属矿山, 2024, 53(4): 186-.
[10]	李　得, 李　翠, 刘　磊, 孙明志, 覃陆均. 深凹露天矿山挂帮矿安全回采工艺研究及实践[J]. 金属矿山, 2024, 53(4): 7-.
[11]	李如仁, 葛永权, 李梦晨, 孙加瑶, 王彦平, 刘明霞. 基于InSAR-COMSOL 的露天矿边坡稳定性分析及形变预测[J]. 金属矿山, 2024, 53(3): 172-.
[12]	胡颖鹏, 谭宝会, 丁航行, 张洪昌, 李云涛, 崔　宇. 露天地下楔形转接过渡诱导冒落控制边坡岩移危害技术研究[J]. 金属矿山, 2024, 53(3): 37-.
[13]	孙勇成, 曾宪烨, 李万涛, 谭乃根, 田益琳, 谭卓英. 边坡耗散结构信息熵及其演化规律研究[J]. 金属矿山, 2024, 53(12): 190-.
[14]	王恒恒, 韩　流, 纪小龙, 王瑞峰, 吴先荣, 赵　龙, 李　波. 露天采场边坡岩体抗剪强度参数确定及稳定性分析[J]. 金属矿山, 2024, 53(10): 233-.
[15]	刘振忠, 党艳娜, 王　明, 刘黎明, 杨　旭, 陈　健. 膨胀土边坡水泥基生境基材外掺纤维改性研究[J]. 金属矿山, 2024, 53(10): 224-.

扫码分享