砂土地震液化预测的GA＿SVM＿Adaboost模型

作者：毛志勇; 黄春娟; 路世昌

来源：煤田地质与勘探, 2019, 47(03): 166-171.

• 砂土地震液化
• 因子分析(FA)
• 支持向量机(SVM)
• 遗传算法(GA)
• Adaboost算法

为快速准确地对砂土液化情况作出预测,选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素,运用相关性分析和因子分析模型对其进行分析和属性约减,采用遗传算法(GA)对支持向量机(SVM)的参数寻优,结合Adaboost迭代算法,建立预测砂土地震液化的GASVMAdaboost模型。选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练,利用该模型对剩余68组砂土液化数据进行预测。最后,将预测结果与GASVM和SVM模型预测结果进行比较。结果表明,3个模型的平均预测准确率分别为100%、98.04%、89.71%,基于因子分析的GASVMAdaboost模型的预测准确性优于GASVM模型和SVM模型,是一种解决砂土地震液化预测问题的有效方法,具有一定的应用参考价值。

• 单位
  辽宁工程技术大学