基于支持向量机方法的抗滑桩优化设计及在边坡稳定性分析中的应用.pdf

《基于支持向量机方法的抗滑桩优化设计及在边坡稳定性分析中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、水利水电技术第47卷2016年第11期基于支持向量机方法的抗滑桩优化设计及在边坡稳定性分析中的应用闫园园，张胤，胡峥嵘(南京市水利规划设计院股份有限公司，江苏南京210006)摘要：为减少抗滑桩的受力分析工作量、提高抗滑桩的设计速度、快速优化其设计参数，基于支持向量机方法，采用有限元计算模型设计11组不同桩长、桩径的抗滑桩计算样本，建立抗滑桩优化设计数学模型，并应用于某河道断面设计中。结果表明，所建立的抗滑桩优化模型，可快速有效地搜索工程所需设计参数，为类似边坡抗滑桩设计提供参考依据。关键词：抗滑桩；支持向量机；边坡稳定分析；优化设计doi：lO．1

2、3928／j．cnki．wTalle．2016．11．027中图分类号：7IrU457文献标识码：B文章编号：1000．0860(2016)11．0125．05SupportV∞tormachine(SVM：)．ba鼬doptim哪d憾ignof锄6-slidep订e粕ditsappUca廿ontoanmysisofslopestabm坶YANYuanyuaIl，ZHANGYin，HUZhengmng(NanjingWaterPl枷ingDesi鲥ngInstituteCo．，Ltd-，N趾jing210006，Ji龃gsu，C

3、lim)Abs咖ct

4、：Inordertoreducetheworking砌ountfortIlestress锄alysisonarIti-slidepile，speedupt11edes西a11dquicl【lyo砸-lnizetlledesignparametersofit，amatll-modelfortlleoptimumdesign0faIIti—shdepileisestablishedwitll1groupsofpilesam—ples讯t}ldiⅡbr；entlengtllsanddi锄etersforthecalculationofanti—slidep

5、iledesignedbymeaJlsof出efifliteelementcalctllationmoddb船edontllemetllodofsupp0Itvectormachine，粕dtlIen印pliedtotllesectiondesignofariverch舢eL卟eresultshowstllattlleoptimizationmodelestablishedhereinc锄quicUya11de＆ctivelysearchthedesignp籼etersnecessaryfort11eproject，卸dt}lusc锄proVidea

6、referencebasisfort}ledesi驴oftllesiIllilar粕ti—slidepileforsl叩e踮weu．Keywords：anti—slidepile；supportvectormachine；sl叩estabilit)rarIalysis；optimumdesign1研究背景抗滑桩在城市河道边坡治理中具有广泛的应用，常与各类挡土墙结合形成复式断面，在保证边坡稳定及满足行洪要求的情况下，可减少建设用地¨。2J。目前，抗滑桩的设计多采用人工查表计算或数值模拟的方法，而对于抗滑桩设计参数的优选需建立在大量的试算结果之上，或依靠

7、工程师的工作经验p‘5J。有的学者将遗传算法引入抗滑桩的参数优化中哺J，建立关于抗滑桩截面宽度、高度和长度的数学模型，但这种方法依赖于初始解的选取，具有一定的局限性。有的学者采用模糊理论优化边坡的支挡结胍甜R巧o“Ⅲ口耐Hydropo“wE崾M耐馏怕f47No．，f构¨J，模糊化一部分抗滑桩的设计参数进行抗滑桩设计，但在模糊对象的选取方面缺乏科学依据。基于支持向量机(SupportVectorMachine，SVM)理论建立的优化模型，是基于样本中极少数的支持向量建立的，因此SVM优化模型具有小样本特性[8。9J。该特性在分析抗滑桩加固边坡稳定性等复

8、杂问题时，减少许多建模前的准备内容，大大提高了工作效率‘10

9、。本文以某城市河道边坡设计为基础，依据sVM收稿日期：2016-07．26作者简介：闫园园(1984一)，女，工程师，硕士。125闫园园，等∥基于支持向量机方法的抗滑桩优化设计及在边坡稳定性分析中的应用优化模型，探讨抗滑桩的桩长、桩径对边坡安全稳定的优化设计，分析桩顶水平向位移值、桩身截面弯矩分布值、最大弯矩、最大剪应力变化规律，建立抗滑桩设计参数SVM优化模型，快速搜索抗滑桩最优设计参数，为工程设计提供参考依据。2SVM基本原理支持向量机方法(SVM)是一种基于统计学理论的机器学习方法，

10、20世纪70年代末，由AT&BeU实验室的Vapnik等¨川首次提出。该方法根据统计学习理论中结构风险最小化