基于改進(jìn)網(wǎng)格搜索法的SVM邊坡變形預(yù)測研究.pdf

1、分類號(hào)：密級(jí)：UDC：學(xué)號(hào)：碩士學(xué)位論文學(xué)位類別：_____專業(yè)學(xué)位______作者姓名：______章治邦_______學(xué)科專業(yè)：_____測繪工程______研究方向：變形監(jiān)測數(shù)據(jù)處理_指導(dǎo)教師：__劉小生___教授____2018年5月25日基于改進(jìn)網(wǎng)格搜索法的基于改進(jìn)網(wǎng)格搜索法的SVMSVM邊坡變形預(yù)測研究邊坡變形預(yù)測研究PredictionofSlopeDefmationbasedonImprovedGridSearchSup

2、ptVectMachinesMethod江西理工大學(xué)碩士學(xué)位論文摘要I摘要邊坡失穩(wěn)所帶來的危害非常大，對(duì)于自然邊坡和一些大型工程邊坡，一旦發(fā)生邊坡失穩(wěn)事件，往往能夠改變一個(gè)區(qū)域的地貌特征，進(jìn)而對(duì)這個(gè)區(qū)域周圍的人居環(huán)境造成重大影響。邊坡災(zāi)害所帶來的損失動(dòng)輒上億甚至幾十億，而預(yù)防這些邊坡變形發(fā)生所需要的成本遠(yuǎn)遠(yuǎn)小于災(zāi)害發(fā)生之后的重建恢復(fù)工作，因此，對(duì)邊坡變形進(jìn)行科學(xué)有效的預(yù)測就顯得尤為重要和緊迫。本文根據(jù)邊坡變形的相關(guān)特點(diǎn)，提出運(yùn)用支持向量

3、機(jī)方法對(duì)邊坡變形進(jìn)行預(yù)測研究，并且對(duì)于傳統(tǒng)網(wǎng)格法搜索速度過慢、精度不高的缺陷，提出一種基于改進(jìn)網(wǎng)格搜索法的支持向量機(jī)方法，實(shí)驗(yàn)結(jié)果表明本文提出的新算法對(duì)比傳統(tǒng)算法在運(yùn)算時(shí)間和精度兩個(gè)方面都有了較好的提升。本文的研究工作主要包括以下幾個(gè)方面：1）概述支持向量機(jī)的基本理論和它的核函數(shù)的種類以及應(yīng)用類型，引入了支持向量機(jī)核函數(shù)的參數(shù)尋優(yōu)問題。2）面對(duì)核函數(shù)的相關(guān)參數(shù)尋優(yōu)問題還沒有統(tǒng)一的理論，本文分析了傳統(tǒng)網(wǎng)格搜索法參數(shù)尋優(yōu)和粒子群搜索法參數(shù)尋

4、優(yōu)，結(jié)合兩者的劣勢和優(yōu)勢，提出了改進(jìn)網(wǎng)格搜索法的支持向量機(jī)。針對(duì)傳統(tǒng)網(wǎng)格法的搜索速度過慢，精度不高的缺點(diǎn)，利用粒子群算法在前期能夠快速收斂于種群最優(yōu)解的優(yōu)勢，在算法初期引入對(duì)整個(gè)算法進(jìn)行加速，使算法快速定位到最優(yōu)區(qū)間附近，同時(shí)在算法后期，改為使用小步長的網(wǎng)格搜索法在粒子群算法所確定的種群最優(yōu)解附近的小區(qū)間內(nèi)進(jìn)行第二次精細(xì)搜索，在一定程度上幫助算法跳出前期快速尋優(yōu)導(dǎo)致的可能陷入的局部最優(yōu)解，從而達(dá)到全局最優(yōu)解。3）將建立的基于改進(jìn)網(wǎng)格搜索

5、法的支持向量機(jī)應(yīng)用于邊坡變形預(yù)測，通過兩個(gè)邊坡變形實(shí)例驗(yàn)證改進(jìn)算法的優(yōu)劣，最后的實(shí)驗(yàn)結(jié)果表明：在兩個(gè)工程實(shí)例的邊坡變形預(yù)測中，對(duì)比傳統(tǒng)網(wǎng)格法SVM和遺傳算法SVM，改進(jìn)的網(wǎng)格搜索法支持向量機(jī)在平均相對(duì)誤差和運(yùn)算時(shí)間上更具優(yōu)勢。另一方面，新算法所得預(yù)測的均方誤差和平方和誤差也都遠(yuǎn)小于另外兩種算法，這說明改進(jìn)的網(wǎng)格搜索法支持向量機(jī)具有更好的預(yù)測精度、運(yùn)算速度與穩(wěn)定性，有實(shí)際應(yīng)用價(jià)值。關(guān)鍵詞關(guān)鍵詞：邊坡變形預(yù)測；支持向量機(jī)；網(wǎng)格搜索法；粒子群