%0 Journal Article
%A 俞俊平
%A 陈志坚
%A 武立军
%A 余世元
%A 王澍
%T 基于蚁群算法优化支持向量机的边坡位移预测
%D 2015
%R 10.3969/j.issn.1001-5485.2015.04.005
%J 长江科学院院报
%P 22-27
%V 32
%N 4
%X 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。借助支持向量机(SVM)可有效解决小样本、高维数、非线性等问题的优点,对边坡实测位移进行数据挖掘,预测边坡变形趋势。为了避免人为选择支持向量机模型参数的盲目性,提高模型预测精度和泛化能力,引入改进的蚁群算法(ACO)对模型参数进行寻优,结合位移时序滚动预测方法,建立了适合边坡变形预测的ACO-SVM模型。将该模型应用于2个边坡的位移预测,研究结果表明,ACO-SVM预测精度高,模型建立正确。与遗传算法、粒子群算法优化SVM的预测结果相比,ACO-SVM模型预测精度更高,具有更强的泛化能力,预测结果更加合理,在边坡变形预测中具有一定的工程应用价值。
%U http://ckyyb.crsri.cn/CN/10.3969/j.issn.1001-5485.2015.04.005