-
题名INRBO-SVM模型在边坡安全系数预测中的应用
被引量：2
- 1
-
-
作者
熊朝林
陈俊智
-
机构
昆明理工大学公共安全与应急管理学院
昆明理工大学国土资源工程学院
-
出处
《矿冶工程》
北大核心
2025年第2期20-25,33,共7页
-
基金
国家自然科学基金联合项目(U1602232)。
-
文摘
针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM边坡安全系数预测模型。选取容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙水压比6个因素为模型输入,安全系数为输出,将训练后的INRBO-SVM模型、NRBO-SVM模型、SVM模型、RBF模型对9组测试样本进行安全系数预测。结果表明:INRBO-SVM模型安全系数预测性能最好,相关系数R^(2)为0.9999,高于其他模型;均方根误差和平均绝对误差均显著低于其他模型。工程应用结果表明,INRBO-SVM模型的安全系数预测误差均小于10%,大部分低于5%,证实了该模型预测安全系数的准确性以及实际应用价值。
-
关键词
边坡稳定性
预测模型
安全系数
SVM模型
inrbo算法
机器学习
-
Keywords
slope stability
prediction model
safety factor
SVM model
inrbo algorithm
machine learning
-
分类号
TD854
[矿业工程—金属矿开采]
-
