论文部分内容阅读
在我国，随着国民经济的快速发展，岩土工程等的建设规模急剧扩大，人们也开始越来越重视滑坡问题。滑坡已经成为继地震、火山、泥石流等之后对人类的生产和生活影响极其重大的灾害之一。由于边坡破坏方式的影响因素众多，机理复杂，要想建立精确的数学模型来模拟边坡的稳定性以及准确的预测滑坡发生的时间、空间等演化过程均存在非常大的困难。支持向量机的出现的为其预测提供了新的途径，能很好的适用于解决比较难用数学模型描述的滑坡问题，并且其具有广泛的应用前景。本文主要内容如下:
(1)深入研究了支持向量机理论:首先从经验风险最少化问题、推广性的界的问题及其复杂性问题、VC维问题、结构风险最小化问题等方面介绍了向量机理论的基础-统计学习理论(SLT)，接下来介绍了支持向量机的广义最优分类面、支持向量机的函数表达式(f(x)=sgn(n∑i=1α*iyiK(xi，x)+b*))、核函数的三种常见表达式（多项式、径向基、二次神经网络）、三种损失函数(Huber损失函数、ε-insensitive损失函数、二次ε-insensitive损失函数)表达式，最后介绍了用于函数拟合的SVM以及对核函数的主成分进行了分析。
(2)对滑坡位移序列预测进行深层次研究:首先介绍了几种传统的时间序列预测方法（移动平均方法、分解方法、指数平滑方法）;接下来对通过斋藤法、灰色模型、非线性动力学模型等对滑坡时间预报方法加以阐述;接着主要讲述滑坡的空间预测方法，主要从稳定系数预测法、神经网络、信息模型法等几个方面进行阐述;接着讲述了支持向量机预测方法，该节介绍了滚动预测方法、单因素滑坡时间序列预测方法、多因素滑坡时间序列预测方法、两种样本的预处理方法以及训练样本的选择过程;最后介绍了滑坡变形预测的LIBSVM模型，主要从该软件的使用步骤、样本集的选取、核函数的选择，核函数参数的确定和模型的评价指标等方面来加以说明。
(3)通过忠武输气管道工程实例来对支持向量机方法的应用进行深入的研究。首先简要介绍了忠武输气管道工程背景;接着对该项目中向家坳滑坡的监测方案进行了详细的阐述:首先介绍了该滑坡的工程概况，接着介绍了其具体的GPS监测的全过程，最后对近十五期的监测结果进行了展示;接下来详细介绍了预测模型的建立分析，主要包括以下几方面内容:首先通过介绍建模思路，数据样本集的构造，核函数的选择等方面介绍了SVM模型的建立过程;然后利用LIBSVM模型对对向家坳滑坡样本进行预测并且对其精度进行评价，最后利用近20期监测数据建立LIBSVM模型对最近9期监测结果进行预测，并且与原样本情况的LIBSVM预测结果和精度进行对比分析;最后利用几种常见的预测方法（神经网络、灰色、时间序列等模型）对同样样本进行预测，并且与支持向量机方法预测结果以及模型精度进行对比分析。
(4)运用LIBSVM模型（以及神经网络模型、灰色模型、时间序列模型）对该滑坡进行了位移预测分析。