文档介绍：维普资讯
《.⋯⋯.一⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.一⋯.⋯.一.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.一.⋯⋯.
支持向量机算法在优势结构面分类中的应用
李首一徐光黎吴张中刘道华
.
摘要在分析不同优势结构面分类方法及支持向量机模型的基础上,提出基于支持向量机回归模型的
优势结构面分类方法。采用算法建立相应的优势结构面分类模型,以深溪沟水电站地区实
测结构面数据为学****样本,进行学****和测试,得到训练效果较好的分类模型和参数,并对该地区
结构面进行了重新划分和分组,避免了人为分割结构面而引起的统计误差。结果表明,通过支持
向量机建立的优势结构面分类模型在实际应用中具有较好的实用性和可行性。
关键词支持向量机优势结构面分类分类模型
研究工程岩体稳定性的关键问题之一是岩体中是数据挖掘中的新方法,也是最实用的
的结构面。由于地质体的不确定性,结构面发育的部分,其核心内容是在年到年间由.
规模和特征有很大的不同,存在较大的离散性。但等人提出的,它基于统计学****理论,从线性
是在诸多结构面中总可以找到特征相同并对岩体起可分情况下的最优分类面发展而来的,其上的训练
控制作用的结构面即优势结构面。如何较精确地搜样本就称作支持向量。它既有严格的理论基础,又
索岩体的优势面是进行岩体稳定性进行评价和应用能较好地解决小样本、非线性、高维数和局部极小点
结构面网络模拟的重要步骤。根据优势结构面理等实际问题。支持向量机中的支持向量是通过解一
论⋯,可以将优势结构面分为两大类:一是统计结个凸二次优化问题获得的,它保证找到的解是全局
构面,也称数量优势面,就是由统计得到的优势结构最优解。因此,在最优分类面中如果采用适当的内
面;二是地质结构面,即具有危险方位和性质差的结积函数,就可以实现某一非线性变换后的线
构面。性分类,而计算复杂度却没有增加,此时利用.
目前,结构面方位的表示方法很多,大致可以分优化方法可以把最优分类面问题转化为其对
为三大类,一是作图法结构面方位玫瑰花图、等角偶问题,即在约束条件,下:
度或等面积散点图、等密度图等、二是数值分析
∑,
法基于遗传算法和模糊均值聚类法、模糊
均值聚类法、灰色聚类等、三是其他方法右手法≥, ,⋯,
则。虽然各方法都有其独到性,但在工程应用对求解下列函数的最大值:
中存在的问题却是不容忽视的。笔者在对野外统计
∑一÷。一÷∑,
结构面进行分析的基础上,利用基于统计学理论￡.
的支持向量机算法,对优势结构面分为与每个样本对应的乘子,
类进行研究,以期能岩体稳定性评价和隧道围岩分这是一个不等式约束下二次函数寻优的问题,存在
类等提供更加可靠的优势结构面;同时为解决小样唯一解。容易证明,解中将只有一部分通常是少
本、高维数学****及许多其他回归模型难以解决的问部分不为零,对应的样本就是支持向量。解上
题如神经网络结构选择、局部极小点、灰色回归模述问题后得到的最优分类函数就是:
型的随机误差、时间序列数据的要求等提供思路
∑,
与框架。:
式中的求和实际上只对支持向量进行,是分
支持向量机模型简介类阀值,可以用任一个支持向量求得,