文献类型：期刊文章

作　　者：林大超[1] 安凤平[2] 郭章林[1,2] 张立宁[1]

机构地区：[1]华北科技学院土木工程系,北京101601 [2]河北工程大学经济管理学院,河北邯郸056038

出　　处：《岩土力学》

基　　金：国家科技支撑计划课题(No.2007BAB18B01);华北科技学院科研基金项目

年　　份：2011

卷　　号：32

期　　号：S1

起止页码：451-458

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：将支持向量机(support vector machine,SVM)方法与信号分析中的经验模态分解(empirical mode decomposition,EMD)方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性。

关 键 词：岩土力学 滑坡 位移  支持向量机 经验模态分解

分 类 号：P634.1] TU45[地质学类;地质类]