文献类型：期刊文章

作　　者：刘开云[1] 乔春生[1] 田盛丰[2] 滕文彦[3]

机构地区：[1]北京交通大学土木建筑工程学院,北京100044 [2]北京交通大学计算机与信息技术学院,北京100044 [3]石家庄铁路工程职业技术学院土木系,河北石家庄050041

出　　处：《岩石力学与工程学报》

基　　金：国家自然科学基金资助项目(50078002)

年　　份：2005

卷　　号：24

期　　号：2

起止页码：328-335

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005159039157)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(SVM)算法,采用线性Linear 和径向基函数 RBF 两种核函数以及ε 不敏感和 Quadratic 两种损失函数,并且考虑惩罚参数 C 的不同,编写了相应的程序对影响边坡角设计的诸多因素进行了机器学习,经过反复调整相关参数和计算对比,找到了拟合精度很高的支持向量机网络,并以此网络对测试样本作预测检验模型的可靠性;对影响支持向量机建模精度的各种影响因素作了计算和分析,在此基础上,初步确定了各参数对 SVM 模型精度影响大小的顺序,为 SVM 在类似工程上的应用提供了借鉴。

关 键 词：边坡工程 边坡角设计  支持向量机建模 机器学习与预测  参数分析  

分 类 号：TU413.62]