文献类型：期刊文章

作　　者：袁颖[1,2] 于少将[1] 王晨晖[3] 周爱红[1]

YUAN Ying;YU Shaojiang;WANG Chenhui;ZHOU Aihong(School of Prospecting Technology & Engineering,Hebei GEO University,Shijiazhuang,Hebei 050031;Hongshan Seismological Observatory,Hebei Earthquake Agency,Xingtai,Hebei 054000;Hebei Earthquake Agency,Shijiazhuang, Hebei 050000)

机构地区：[1]河北地质大学勘查技术与工程学院,河北石家庄050031 [2]河北省地震局,河北石家庄050000 [3]河北省地震局红山基准地震台,河北邢台054000

出　　处：《地质与勘探》

基　　金：国家自然科学基金项目(编号:41301015);河北省教育厅重点项目(编号:ZD2015073和ZD2016038);石家庄经济学院国家自然科学基金预研基金(编号:syy201308);河北地质大学第十三届学生科研基金项目(编号:KAG201607)联合资助

年　　份：2019

卷　　号：55

期　　号：2

起止页码：608-613

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。

关 键 词：围岩稳定性 支持向量机 网格搜索法  分类模型  BP神经网络

分 类 号：X936[安全科学与工程类]