堤防管涌发生可能性识别的网格搜索-支持向量机方法

针对堤防管涌的评价涉及多种变量且各变量之间存在着高度的非线性关系,应用统计学习理论并结合工程实际,提出基于支持向量机(SVM)理论的堤防管涌发生可能性识别方法。将影响管涌演化、发生和导致破坏的因素进行归纳,选取坝高H、坝前水深Hp、下游边坡m、土的有效凝聚力c、有效内摩擦角ψ、饱和单位容重γ、渗透系数K、最大有效粒径疏db和下游滤层倾角δ共9种代表性的优势参数作为模型的输入,将堤坝管涌发生的可能性因子λ作为模型的输出,以16个堤防管涌工程实例作为学习样本进行训练,采用RBF核函数,建立堤防管涌发生可能性识别的支持向量机分类模型。为提高预测模型的泛化能力和预测精度,利用网格搜索寻优方法对支持向量机模型的参数进行了优化,并对7组待判实例进行判别。研究结果表明:建立的网格搜索优化支持向量机分类模型对堤防管涌发生可能性识别结果与实际结果吻合,正确率达95%,可考虑在实际工程中进行推广。