首页|基于GS-SVM的边坡稳定性预测模型

基于GS-SVM的边坡稳定性预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对影响边坡稳定多个相关因素的复杂性和不确定性,以及数据样本的不平衡,现有的方法无法提供精确的边坡稳定性结果等原因,需要迫切开发复杂的数据处理算法.本文通过详细调查获取了1994-2011年221个圆弧形滑坡案例中边坡高度、倾角和边坡坡体容重、黏聚力、内摩擦角、孔隙水压系数等特征参数及其相对应的稳定性状态(稳定、失稳)组成了模型样本库.然后,提出了一种基于支持向量机(Support Vector Machine,SVM)的方法进行边坡稳定性的预测分析,并采用精准率、AUC值和F1-Score评估模型预测性能.通过具体工程实例表明:SVM模型分类精确率、AUC以及Ce分别为0.970、0.898和0.925,明显优于GB、RF、KNN等模型,其预测结果具有很高的可信度.
GS-SVM-based prediction model for slope stability

张云雁

展开 >

云南省玉溪市水利电力勘测设计院,云南玉溪653100

边坡稳定性 支持向量机 预测分析 边坡设计

国家重点研发计划项目

2018YFC0407102

2020

10.13928/j.cnki.wrahe.2020.11.025

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(11)
  • 10
  • 11