基于PSO-SVM组合模型的边坡滑移变形预测研究
秦志强;于良;
摘要(Abstract):
支持向量机作为统计学习理论的产物,在非线性拟合与预测方面具有很大的优势,本文使用粒子群优化算法与支持向量机相结合的方法对边坡滑移进行预测,结果表明PSO-SVM组合模型在预测精度方面要明显优于BP神经网络。
关键词(KeyWords): 支持向量机;粒子群优化算法;边坡滑移预测
基金项目(Foundation):
作者(Author): 秦志强;于良;
Email:
摘要(Abstract):
支持向量机作为统计学习理论的产物,在非线性拟合与预测方面具有很大的优势,本文使用粒子群优化算法与支持向量机相结合的方法对边坡滑移进行预测,结果表明PSO-SVM组合模型在预测精度方面要明显优于BP神经网络。
关键词(KeyWords): 支持向量机;粒子群优化算法;边坡滑移预测
基金项目(Foundation):
作者(Author): 秦志强;于良;
Email: