基于改進網(wǎng)格搜索法的SVM邊坡變形預測研究.pdf

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

2、ptVectMachinesMethod江西理工大學碩士學位論文摘要I摘要邊坡失穩(wěn)所帶來的危害非常大，對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，往往能夠改變一個區(qū)域的地貌特征，進而對這個區(qū)域周圍的人居環(huán)境造成重大影響。邊坡災害所帶來的損失動輒上億甚至幾十億，而預防這些邊坡變形發(fā)生所需要的成本遠遠小于災害發(fā)生之后的重建恢復工作，因此，對邊坡變形進行科學有效的預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，提出運用支持向量

3、機方法對邊坡變形進行預測研究，并且對于傳統(tǒng)網(wǎng)格法搜索速度過慢、精度不高的缺陷，提出一種基于改進網(wǎng)格搜索法的支持向量機方法，實驗結(jié)果表明本文提出的新算法對比傳統(tǒng)算法在運算時間和精度兩個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方面：1）概述支持向量機的基本理論和它的核函數(shù)的種類以及應用類型，引入了支持向量機核函數(shù)的參數(shù)尋優(yōu)問題。2）面對核函數(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，提出了改進網(wǎng)格搜索法的支持向量機。針對傳統(tǒng)網(wǎng)格法的搜索速度過慢，精度不高的缺點，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，在算法初期引入對整個算法進行加速，使算法快速定位到最優(yōu)區(qū)間附近，同時在算法后期，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)進行第二次精細搜索，在一定程度上幫助算法跳出前期快速尋優(yōu)導致的可能陷入的局部最優(yōu)解，從而達到全局最優(yōu)解。3）將建立的基于改進網(wǎng)格搜索

5、法的支持向量機應用于邊坡變形預測，通過兩個邊坡變形實例驗證改進算法的優(yōu)劣，最后的實驗結(jié)果表明：在兩個工程實例的邊坡變形預測中，對比傳統(tǒng)網(wǎng)格法SVM和遺傳算法SVM，改進的網(wǎng)格搜索法支持向量機在平均相對誤差和運算時間上更具優(yōu)勢。另一方面，新算法所得預測的均方誤差和平方和誤差也都遠小于另外兩種算法，這說明改進的網(wǎng)格搜索法支持向量機具有更好的預測精度、運算速度與穩(wěn)定性，有實際應用價值。關(guān)鍵詞關(guān)鍵詞：邊坡變形預測；支持向量機；網(wǎng)格搜索法；粒子群