土体残余强度的PSO-LSSVM模型  

PSO-LSSVM Model for Residual Strength of Soil

作　　者：周学君[1,2] 陈丁[2] 唐轶[3] 

机构地区：[1]黄冈师范学院数理学院,湖北黄冈438000 [2]河海大学力学与材料学院,江苏南京210098 [3]云南民族大学数学与计算机科学学院,云南昆明650500

出　　处：《数学建模及其应用》2017年第1期28-34,共7页Mathematical Modeling and Its Applications

基　　金：湖北省教育厅科学研究计划项目(B2015218);江苏省普通高校研究生科研创新计划项目(KYZZ16_0268);黄冈师范学院培育基金项目(201617603)

摘　　要：利用最小二乘支持向量机(LSSVM)建立土体残余强度模型,以液限、塑性指数、粘粒含量和偏差等为输入变量,通过改变输入变量的结构建立2个LSSVM模型,并采用粒子群优化(PSO)算法设定模型参数,分别预测残余摩擦角值,并与实验值、人工神经网络(ANN)模型作比较,得出LSSVM模型具有较好的效果,另外对LSSVM的输入变量进行敏感性分析,得出偏差对模型的影响最大,印证文献中结论并说明模型的合理性。This paper shows a least squares support vector machine （LSSVM） method for predicting the residual strength of soil. The inputs of the LSSVM model consist of four variables, including liquid limit （LL）, plasticity index （PI）, the clay fraction （CF） and the deviation. By changing the structure of the input variables, two LSSVM models are developed. By using particle swarm optimization （PSO） algorithm for setting the parameters of the LSSVM model, the LSSVM model can predict the residual friction angle. Compared with the experimental values and predicted values of artificial neural network （ANN） models, the LSSVM models work better. Sensitivity analyses have also been performed on the input variables. It concludes that deviation has the biggest effect,which verifies the conlusions in previous articles, and explains the validity of the model.

关 键 词：残余强度 模型 最小二乘支持向量机 粒子群优化算法 

分 类 号：TU432[建筑科学—岩土工程]