基于PSO-SVM的山区营运高速公路边坡防治费用预测

作者：肖秋明^*; 刘昕娆

来源：长沙理工大学学报, 2022, 19(02): 120-128.

DOI：10.19951/j.cnki.1672-9331.2022.02.012

• 高速公路
• 边坡防治
• 费用预测
• 支持向量机
• 粒子群优化算法

【目的】山区营运高速公路边坡的防治费用。【方法】以安徽省山区营运高速公路为研究对象，在综合考虑边坡基本情况、防治方案和价格因素3个方面共14个特征指标的基础上，建立了利用粒子群优化（particle swarm optimization,PSO）算法优化支持向量机（support vector machine,SVM）的山区营运高速公路边坡防治费用预测模型。通过PSO算法对SVM的惩罚因子和核函数参数进行优化，根据工程实例采用相对误差、均方根误差和判定系数等对所建模型的预测性能进行验证和评估，并与其他模型进行比较。【结果】应用所建模型预测山区营运高速公路的边坡防治费用，平均相对误差降低了41.9%，判定系数达到了0.953。【结论】所建模型具有较高的准确性和适用性，可为边坡防治决策提供参考。

• 单位
  长沙理工大学