基于多因素位移时序PSO-SVM的边坡变形预测

来源期刊：勘察科学技术2015年第1期

论文作者：俞俊平 陈志坚 武立军

文章页码：1 - 5

关键词：支持向量机;位移时间序列;粒子群算法;边坡变形;多因素;

摘    要：由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征。针对位移时间序列未能完全考虑环境因素对边坡变形的影响,故将影响边坡变形的有效降雨量加入监测位移时序,组成多因素位移时间序列。引入粒子群算法（PSO）对支持向量机（SVM）的模型参数寻优,结合滚动预测方法,建立了适合边坡变形预测的多因素位移时间序列PSO-SVM模型。以华光潭一级厂房后边坡表面观测位移为例进行预测分析,研究表明,新模型预测结果科学可靠,有效弥补了传统PSO-SVM后期预测泛化能力的不足,提高了模型的预测精度。新模型在边坡位移时序预测中具有一定的工程应用价值。