砂土地震液化预测的GA＿SVM＿Adaboost模型

论文摘要

为快速准确地对砂土液化情况作出预测,选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素,运用相关性分析和因子分析模型对其进行分析和属性约减,采用遗传算法(GA)对支持向量机(SVM)的参数寻优,结合Adaboost迭代算法,建立预测砂土地震液化的GA_SVM_Adaboost模型。选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练,利用该模型对剩余68组砂土液化数据进行预测。最后,将预测结果与GA_SVM和SVM模型预测结果进行比较。结果表明,3个模型的平均预测准确率分别为100%、98.04%、89.71%,基于因子分析的GA_SVM_Adaboost模型的预测准确性优于GA_SVM模型和SVM模型,是一种解决砂土地震液化预测问题的有效方法,具有一定的应用参考价值。

论文目录

• 1 GA＿SVM＿Adaboost理论模型
•   1.1 GA＿SVM分类算法
•   1.2 Adaboost算法原理
•   1.3 GA＿SVM＿Adaboost模型流程
• 2 实例分析
•   2.1 特征指标选取
•   2.2 因子分析检验
•     2.2.1 相关性分析
•     2.2.2 因子分析的KMO和Bartlett检验
•   2.3 基于因子分析的GA＿SVM＿Adaboost砂土地震液化预测模型
• 3 结论

文章来源

类型: 期刊论文

作者: 毛志勇,黄春娟,路世昌

关键词: 砂土地震液化,因子分析,支持向量机,遗传算法,算法

来源: 煤田地质与勘探 2019年03期

年度: 2019

分类: 工程科技Ⅰ辑,基础科学,工程科技Ⅱ辑

专业: 地质学,建筑科学与工程

单位: 辽宁工程技术大学系统工程研究所

基金: 国家自然科学基金项目(70971059)~~

分类号: TU435

页码: 166-171

总页数: 6

文件大小: 595K

下载量: 161