岩质边坡稳定性评价的粗糙集-支持向量机方法.pdf

《岩质边坡稳定性评价的粗糙集-支持向量机方法.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、JournalofEngineeringGeology工程地质学报1004-9665／2009／17(3)-0322-07岩质边坡稳定性评价的粗糙集一支持向量机方法刘勇健李彰明杨雪强(广东工业大学岩土工程研究所广州510006)摘要结合粗糙集和支持向量机两种智能算法，建立了基于粗糙集与支持向量机的岩质边坡稳定性评价模型。首先根据有限的经验数据建立属性决策表，通过属性约算法找出影响边坡稳定性的关键因素；然后将所提取的关键信息训练支持向量机。本文以铁路沿线边坡为例，进行边坡稳定性验算，结果表明算法能有效降低边坡稳定性影响因素集数据维数及支持向量机的复杂程度，提高训练

2、速度和泛化能力。关键词岩质边坡稳定性评价粗糙集支持向量机属性约简算法中图分类号：TD824．7文献标识码：ARoUGHSETANDSUPPoRTVECToRMACHINEBASEDMETHoDFoREVALUATIoNoFRoCKSLoPESTABILITYLIUYongjianLIZhangmingYANGXueqiang(InstituteofGeotechnicalEngineering，GuangdongUniversityofTechnology，Guangzhou510006)AbstractThispaperusestheattributeredu

3、ctionalgorithmofroughsetsandtheclassifyfunctionofsupportvectormachinestoestablishamodelofrockslopestabilityevaluation．Atfirst，theroughsettheoryisusedtoacquiretheknowledgeofclassification，whichincludesdecisiontableconstruction，attributediscretization，attributeimportanceranking，attribu

4、tionreductionandruleabstract．Then，thekeycomponentsareextractedastheinputofsuppo~vectormachine．Themethodcanreducethedimensionsofthedataandthecomplexity，andraisestheeficiencyoftrainingandtheaccuracyofprediction．Theeffectextenttotheslopestabilityofthesefactorscanbeobtained．Theanalyzedre

5、sultsshowthatthismethodcanpredictstabilityanddestroystyleofslope．KeywordsRockslope，Stabilityevaluation，Roughsets，Supportvectormachines，Attributereduction形状及位置的前提下，依据相应的力学理论来评价1引言边坡的稳定性，侧重理论分析。数值分析法建立在对岩土体力学性质的某种假设基础之上，其精度取岩质边坡稳定性问题广泛涉及水利水电、矿山、决于岩土本构模型和输入参数的准确性，而“参数建筑、港口、铁路、公路等众多领域，边坡

6、稳定性评价给不准”和“模型给不准”已成为岩石力学分析与数结果的正确与否直接关系到边坡工程的成败。传统值模拟的两大“瓶颈”。分析方法有极限平衡法和数值分析法，近年来又出岩质边坡系统是一个复杂的开放系统，其稳定现了人工智能方法卜。极限平衡法在假定滑动面性受众多因素的影响，且与各因素之间呈复杂的非收稿日期：2008—09—16；收到修改稿日期：2008—12—15．第一作者简介：刘勇健，岩土工程专业．Email：liu—yongjian@163．con17(3)刘勇健等：岩质边坡稳定性评价的粗糙集一支持向量机方法线性关系。基于统计学习理论的支持向量机方法日(Q／P)=

7、一∑p(置)∑p(YI／X,)log(p(Y／Xi))(Suppo~VectorMachine，SVM)，能克服专家系统知11J1识获取时的“瓶颈”和人工神经网络泛化能力差的(1)局限性，有效地解决了高维数、非线性、小样本等难式中，(P)=～∑p(Xi)log(p(X,))，P(Xi)为P题，并已成为目前人工智能算法的又一个研究热点“j，它为边坡稳定性分析提供一条崭新的研究在论域上的划分X=(X，X2，⋯，)上的概率，思路和方法。粗糙集理论(RoughSets，RS)通过属P(置)=l置I／II，i=1，2，⋯，n。条件概率性约简能很好地处理模糊的或不完整知识信

8、P(／)=In置I／li