金属矿山 ›› 2011, Vol. 40 ›› Issue (11): 58-61.
刘俊娥1,曾凡雷2,林大超3,郭章林3,刘丙午1
Liu Jun'e1,Zeng Fanlei2,Lin Dachao3,Guo Zhanglin3,Liu Bingwu1
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。