支持向量機在邊坡穩定性預測中的應用*

饒運章　黃永剛　張永勝

(1．江西理工大學資源與環境工程學院　江西贛州 341000；　2.江西省稀土資源高效利用重點實驗室　江西贛州 341000；　3.廣東明源勘測設計有限公司　廣東河源 517000)

?

支持向量機在邊坡穩定性預測中的應用*

饒運章1,2黃永剛1張永勝3

(1．江西理工大學資源與環境工程學院江西贛州 341000；2.江西省稀土資源高效利用重點實驗室江西贛州 341000；3.廣東明源勘測設計有限公司廣東河源 517000)

針對離子型稀土原地浸礦邊坡穩定性問題的小樣本、非線性等特點，采用一種邊坡穩定性預測模型——支持向量機(SVM)模型，分別使用網格參數尋優、遺傳算法(GA)參數尋優、粒子群(PSO)尋優算法來計算SVM模型的參數，分析比較3種算法得到的參數，確定最適合離子型稀土原地浸礦邊坡穩定性預測的SVM回歸模型的參數尋優算法。

離子型稀土礦邊坡穩定性支持向量機預測模型網格參數尋優算法遺傳算法粒子群尋優算法

0　引言

離子型稀土礦原地浸礦開采應用越來越廣泛，但是在開采過程中滑坡事故時有發生。為了使稀土、礦得到高效、安全地開采和利用，加強對邊坡穩定性的研究顯得尤為重要。常用的邊坡穩定性分析方法有瑞典圓弧法、畢肖普法、摩擦圓法、簡布法、有限元法等，大多計算復雜且較為繁瑣。利用神經網絡和模糊綜合評判其輸出結果為邊坡穩定性狀態，具有優越性[1-4]，但是神經網絡預測需要大量的樣本數據作為支撐，模糊綜合評判計算復雜且對指標權重矢量的確定主觀性較強。……