文献类型：期刊文章

作　　者：庞俊勇[1] 刘俊[2] 郑靓婧[1] 李瑶鹤[1] 苏红艳[3]

PANG Junyong;LIU Jun;ZHENG Jingjing;LI Yaohe;SU Hongyan(School of Architecture,Xianning Vocational Technical College,Xianning 437000,China;School of Resources and Environmental Engineering,Hubei University of Science and Technology,Xianning 437000,China;School of Architectural Design and Engineering,Hebi Vocational and Technical College,Hebi 458030,China)

机构地区：[1]咸宁职业技术学院建筑学院,湖北咸宁437000 [2]湖北科技学院资源环境科学与工程学院,湖北咸宁437000 [3]鹤壁职业技术学院建筑设计与工程学院,河南鹤壁458030

出　　处：《金属矿山》

基　　金：湖北省教育厅科研计划项目(编号:HBZJ2023150);河南省2022年科技攻关项目(编号:202102320373)。

年　　份：2024

期　　号：9

起止页码：237-244

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：边坡危岩体稳定性评价是地质灾害防治的重要内容之一。传统的稳定性评价方法在求解复杂非线性问题时存在着精度较低、收敛速度慢等问题,为此,提出了一种基于GA-PSO混合优化支持向量回归(SVR)的边坡危岩体稳定性评价模型。首先,通过采集大量的实测数据和监测数据,建立了边坡危岩体的训练样本集;然后,将SVR算法引入稳定性评价中,利用其非线性映射性能拟合边坡危岩体的稳定性函数。为提高SVR模型的优化能力,将遗传算法(GA)和粒子群优化算法(PSO)相结合,形成了GA-PSO混合优化算法,并用于求解SVR模型中的优化问题。选取了多个现场实际边坡危岩体工程案例进行了算法测试。结果表明:相对于传统方法,GA-PSO混合优化SVR模型能够准确预测边坡危岩体的稳定性,并且具有较高的精度和较快的收敛速度。

关 键 词：边坡危岩体  稳定性评价  支持向量机回归算法 遗传算法 粒子群优化算法

分 类 号：TD325]