基于GA与SVM的最危险滑动面识别

赵洪波

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于GA与SVM的最危险滑动面识别

基础理论与实验研究 | 更新时间：2026-06-25

- 基于GA与SVM的最危险滑动面识别
- Recognition of critical slip surface based on GA and SVM
- 岩土力学 2006年27卷第11期
- 作者机构：
  
  1. 中国科学院岩土力学重点实验室,武汉,430071
  2. 绍兴文理学院土木系,绍兴,312000
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TB115
- 网络首发：2013-12-04，
  
  纸质出版：2006
- 稿件说明：
移动端阅览
赵洪波. 基于GA与SVM的最危险滑动面识别[J]. 岩土力学, 2006,27(11).

ZHAO Hong-bo. Recognition of critical slip surface based on GA and SVM[J]. 2006, 27(11).
赵洪波. 基于GA与SVM的最危险滑动面识别[J]. 岩土力学, 2006,27(11). DOI：

ZHAO Hong-bo. Recognition of critical slip surface based on GA and SVM[J]. 2006, 27(11). DOI：

摘要

结合支持向量机与遗传算法，提出了一种边坡最危险滑动面识别的新方法。这种方法基于正交设计和极限平衡分析获得学习样本，通过支持向量机学习，从而获得最危险滑动面与安全系数之间的非线性映射关系，再用遗传算法从全局空间上搜索，进行最危险滑动面的识别，并同时获得对应的最小安全系数，该方法计算速度快、效率高。给出了两个算例，结果是令人满意的。

Abstract

A new approach to recognize critical slip surface is proposed by combining the support vector machine and genetic algorithm.The learning and testing samples produced in orthogonal experiment are used to train the support vector machine. Thus

the support vector machine is used to describe the relationship between slip surface and factor of safety. Then genetic algorithm is adopted to search critical slip surface in their global ranges. This approach was applied to two examples. The results are satisfactory.

关键词

Keywords

references

浏览量

1632

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

土钉墙-锚杆支护技术模型试验及有限元研究

基于粒子群支持向量机的三维含水层渗流参数反馈识别

无单元法布点优化的一种新方法

基于?－SVR和GA的初始地应力场位移反分析方法研究

饱和土坡降雨变形的数值模拟