-
题名相关向量机模型在边坡稳定性预测中的应用
被引量：10
- 1
-
-
作者
孙吉书
夏健超
王建平
李伟华
-
机构
河北工业大学土木与交通学院
张家口市京新高速公路管理处
-
出处
《科学技术与工程》
北大核心
2021年第28期12234-12242,共9页
-
基金
河北省交通运输厅科学技术项目计划(T-2012131)
天津市交委科技计划(2021-24)。
-
文摘
近年来,边坡稳定性预测得到了广泛的研究,及时、准确的预测可以有效地预防边坡破坏灾害的发生。提出了一种基于相关向量机(relevance vector machine,RVM)的边坡稳定性预测模型,结合京-新高速公路高堑边坡工程实例,通过对比支持向量机(support vector machine,SVM)模型、径向基函数(radical basis function,RBF)神经网络模型和RVM模型的拟合及预测结果来分析其可行性。结果表明:相较于SVM模型和RBF神经网络模型,RVM模型的3种预测指标值均是最小的。其中,平均绝对误差(mean absolute error,MAE)分别降低了86.02%和22.11%,均方根误差(root mean square error,RMSE)分别降低了72.05%和1.09%,相对均方误差(relative root mean square error,RRMSE)也分别降低了75.89%和21.13%,表明RVM是一种预测边坡稳定性的稳健工具,该方法能较为准确地预测出不同指标下的边坡安全系数。
-
关键词
路基工程
边坡稳定性
路堑滑坡
相关向量机(rvm)模型
-
Keywords
subgrade engineering
slope stability
roadbed landslide
relevance vector machine(rvm)model
-
分类号
U417.1
[交通运输工程—道路与铁道工程]
-
