基于数据挖掘的支持向量机围岩分类方法研究

《基于数据挖掘的支持向量机围岩分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于数据挖掘的支持向量机围岩分类方法研究杨帆许强戴岚欣成都理工大学地质灾害防治与地质环境保护国家重点实验室摘要：针对围岩分类问题，提出了一种依据数据挖掘技术，采用二叉树支持向量机的智能围岩分类方法。该方法选择9项影响围岩分类的主要指标，利用SPSSModeler数据挖掘工具构建SVM分类拟合模型，对围岩数据进行分类和预测，以实现快速智能化决策输出。研究结果表明:基于数据挖掘的支持向量机围岩分类方法可以很好地解决小样本、非线性、高维数的问题，该方法科学可行、可视性强、准确率高，应用前景广阔。关键词：围岩;分类;支持向量机;数据挖掘;二叉树;作

2、者简介：杨帆（1992—）,男，山西平陆人，硕士研究生，主要从事地质灾害评价与预测研究工作。作者简介：许强（1968—）,男，四川南江人，教授，博士，博士生导师，主要从事地质灾害评价预测与防治处理研究工作。E-mai1:xq@cdut.edu.cn收稿日期：2016-05-31基金：国家杰出青年科学基金资助项Fl（41225011）ResearchonSVMRockClassificationBasedonDataMiningYANGFanXUQiangDAILanxinStateKeyLaboratoryofGeohazardPreven

3、tionandGeoenvironmentProtection,ChengduUniversityofTechnology;Abstract：Referringtothesurroundingrockclassification,amethodbasedondataminingtechnologyandalsothesupportvectormachineandbinarytreewasproposed.Itchose9leadingindexeswhichaffectedtheclassifiedtionofsurroundingrock

4、,usedthemethodofbinarytreesupportvectormachinetoclassifyandpredictsurroundingrockdata,madethebestofSPSSModelerdataminingtooltobuildtheclassificationfittingmodelsandachievedintelligentdecisionoutputaswel1.TheresuItsshowthatthemethodofclassificationsupportvectormachincandsur

5、roundingrockswhichbasedondataminingcanprovideagoodsolutiontotheproblemofsmallsample,non-linearandhighdimension.Thismethodisscientificandfeasibleandalsohashighaccuracy,whichleadsittoabroadapplicationprospect.Keyword：surroundingrock;classification;supportvectormachine;datami

6、ning;binarytree;Received：2016-05-31工程岩体的分级与分类研究是国内外地下工程技术基础研究的重要课题。在工程建设施工过程屮，正确及时地对工程建设涉及到的岩体稳定性作出评价，是经济合理地进行岩体开挖和加固支护设计、快速安全施工以及建筑物安全运行必不可少的条件［1］。国内外学者提出的各种围岩分类方法中，有定性的、定量或半定量的以及单一因素的分类方法，也有考虑多因素的综合分类方法，发展的趋势是从定性向定性与定量相结合。目前常用的围岩分类方法有:水电围岩分类法（IIC法）⑵、国标分类法（BQ法）固、巴顿岩体质量分类法

7、（Q分类）［4-5］以及RMR法⑹等。但岩体是复杂的地质体，上述方法考虑的评判指标不够全面，评分主观性较大,忽略了影响岩体质量分级的不确定性、复杂性和模糊性等因素，进而影响对围岩的准确认识和分类。许传华等盟采用模糊综合评判方法，对围岩稳定性进行评价。储汉东等血运用灰色关联方法构建了基于层次分析的灰色关联模型（GAM）,从而对岩体质量进行评价。李天斌等回将自适应共振理论（ART）神经网络模型用于隧道围岩分类。这些方法在围岩分类评判中取得了许多成果，但还存在一些不足之处，如模糊理论在确定分类指标权值时存在主观性，灰色理论的准确性和使用的简便性尚

8、待商榷。神经网络是基于人样本的一种分析方法，存在收敛速度慢、局部最小非全局最优、推广能力差等问题［10］。支持向量机是基于统计学习理论的一种新的机器学习方法，具有严格的理论基础，