基于支持向量机的中南公路边坡稳定性分析

论文摘要

影响边坡稳定性的因素具有复杂性和不确定性，同时边坡破坏是由多种因素共同作用的结果，因此有必要查清各因子对边坡稳定性的影响，有针对性的进行治理。传统应用于边坡稳定性分析的数值模拟法、极限平衡法和定性分析法等存在需要大量参数或准确性不足等缺点，需要探索一种需要参数少且准确性高的边坡稳定性分析方法。而结合快速混乱遗传算法的进化支持向量机算法，通过对已有数据的学习、归纳与分析，得出待预测边坡的稳定性状态。该方法通过对影响边坡稳定性的重度、边坡高、边坡角、内聚力、摩擦角和降水六个因素进行统计分析，可以实现在考虑少量参数情况下具有相当高的准确性。支持向量机是一种以结构风险最小化和统计学习理论为基础的机器学习方法，最主要特点就是基于少量的数据样本和良好的推广能力。由于标准的支持向量机算法存在参数选取没有统一的标准并靠人工试算完成的问题，本文采用快速混乱遗传算法对支持向量机进行改进并编制MATLAB计算程序。将该计算程序应用于阜新市新邱区中南公路的边坡稳定性分析中，并且将分析结果与FLAC3D方法进行对比，验证了该计算程序在实际工程边坡稳定性分析中的可行性。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 概述
• 1.2 国内外研究现状
• 1.3 研究内容及技术路线
• 2 支持向量机与快速混乱遗传算法
• 2.1 统计学习理论
• 2.1.1 机器学习
• 2.1.2 统计学习方法
• 2.2 支持向量机
• 2.3 快速混乱遗传算法
• 2.4 进化支持向量机
• 3 边坡稳定性分析理论
• 3.1 边坡破坏的原因及分类
• 3.1.1 边坡破坏定义与原因
• 3.1.2 边坡破坏类型
• 3.1.3 边坡稳定性分析方法
• 3.2 边坡稳定性影响因素
• 3.2.1 边坡稳定性影响因素调查
• 3.2.2 边坡稳定性影响因子确定
• 4. 中南公路边坡稳定性影响因素的测定
• 4.1 中南公路项目概况
• 4.1.1 中南公路基本概况
• 4.1.2 区域基本地质环境条件
• 4.1.3 中南公路边坡数据资料整理
• 4.2 中南公路边坡稳定性影响因子的确定
• 4.2.1 中南公路边坡外业测绘
• 4.2.2 中南公路边坡室内岩土试验
• 4.2.3 中南公路气象条件
• 4.3 中南公路边坡稳定性影响因素汇总
• 5 SVM 和 ESVM 计算程序的编制与应用
• 5.1 数据样本的权重系数
• 5.2 边坡稳定性分析的 SVM 计算程序
• 5.2.1 构建 SVM 方法的数据样本
• 5.2.2 SVM 计算程序编制与测试
• 5.3 边坡稳定性分析的 ESVM 计算程序
• 5.4 FLAC 3D 应用于中南公路边坡稳定性分析
• 5.5 中南公路边坡稳定性分析结果对比
• 6 结论
• 参考文献
• 作者简历
• 学位论文数据集