基于粒子群优化算法的相关向量机边坡稳定性分析模型

作者：张研; 付闵洁; 王鹏鹏; 梁剑明; 郭道静

来源：科学技术与工程, 2023, 23(19): 8370-8376.

DOI：10.3969/j.issn.1671-1815.2023.19.039

• 粒子群优化
• 相关向量机
• 边坡稳定性
• 分析模型

为快速获取边坡稳定性系数，及时对边坡进行稳定性评价，提出一种基于粒子群优化算法(particle swarm optimization, PSO)的相关向量机(relevance vector machine, RVM)边坡稳定性分析模型。该模型通过选取影响边坡稳定性安全系数的6个主要因素，并对这6个主要影响因素产生的30组数据进行拟合训练，利用粒子群算法对相关向量机模型参数进行优化，选取最优参数值，根据这30组训练样本来对剩余4组样本进行精准预测。结果表明：与实际值进行对比，基于PSO-RVM模型预测的平均相对误差仅为5.64%,且建立的PSO-RVM预测模型的边坡稳定性安全系数的平均相对误差均明显优于利用BP(back propogation)神经网络和协调粒子群(coordinated particle swarm optimization, CPSO)-BP模型预测得到的平均相对误差，进一步为边坡稳定性预测及评价提供一种新方法。

• 单位
  桂林理工大学; 广西岩土力学与工程重点实验室