CN114997040B 一种基于改进支持向量回归的滑坡模拟参数反演方法 （河海大学）

US2021049515A1,2021.02.18一种基于改进支持向量回归的滑坡模拟参本发明公开了一种基于改进支持向量回归结合目标滑坡区域现场监测采集的数据来反演数反演模型获得目标滑坡区域的预设滑坡模拟归方法对滑坡模拟参数反演模型的待优化参数设滑坡模拟参数类型组的数据更加符合实际情2划分获得各时间段，基于滑坡数值模型,获得在各时间段下预设滑坡模拟参数类型组对应目标滑坡区域预设滑坡模拟参数类型组的数据、以及对应各监测点的位移数据作为测试步骤C1：将滑坡模拟参数反演模型的待优化参数设更新猎物矩阵Prey，基于猎物矩阵Prey中的各种群个体，建数值最小对应的猎物矩阵种群个体与捕食者矩阵中相同位置种群个体对应的适应度函数步骤C3：针对步骤C2得到的捕食者矩阵Elite，对捕食者矩阵2.根据权利要求1所述的一种基于改进支持向量回归的滑坡模拟参数反演方法，其特33.根据权利要求1所述的一种基于改进支持向量回归的滑坡模拟参数反演方法，其特猎物矩阵Prey的前n/2个种群个体通过以猎物矩阵Prey的后n/2个种群个体通过以4.根据权利要求1所述的一种基于改进支持向量回归的滑坡模拟参数反演方法，其特m5.根据权利要求1所述的一种基于改进支持向量回归的滑坡模拟参数反演方法，其特46.根据权利要求1所述的一种基于改进支持向量回归的滑坡模拟参数反演方法，其特7.根据权利要求1所述的一种基于改进支持向量回归的滑坡模拟参数反演方法，其特M线性方程c=aq+b,针对预设个数的种群个体，建立各种群个体分别对应的滑坡模拟参数5要被应用于进行分类识别和预测等方面，其中SVR回归分析被大量研究证实在结果预测及进行划分获得各时间段，基于滑坡数值模型,获得在各时间段下预设滑坡模拟参数类型组据为输入，该时间段下该各监测点位移数据对应的预设滑坡模拟参数类型组的数据为输6[0010]作为本发明的一种优选技术方案，所述预设滑坡模拟参数类型组包括粘聚力c与种群个体，并将该种群个体复制n次构成捕食者矩阵Elite，捕食者矩阵Elite与猎物矩阵度函数值最小对应的猎物矩阵种群个体与捕食者矩阵中相同位置种群个体对应的适应度的适应度函数值，则将猎物矩阵种群个体替换该捕食者矩阵种群个体，更新捕食者矩阵7[0035]作为本发明的一种优选技术方案，针对每次迭代中开始时更对猎物矩阵Prey中的各种群个体采用PWLCM混沌映射进行混沌扰动，比较扰动前后种群个[0046]作为本发明的一种优选技术方案，所述待优化参数为正则化系数r和核函数系数[0047]作为本发明的一种优选技术方案，所述步骤C3中对捕食者矩阵Elite中的各种群8拟合线性方程c=ap+b,针对预设个数的种群个体，建立各种群个体分别对应的滑坡模拟9坡数值模型应包含与现场监测点位置即各预设位置的监测点相对应的模型节点，如图3所进行划分获得各时间段，基于滑坡数值模型,获得在各时间段下预设滑坡模拟参数类型组标滑坡区域试验所得预设滑坡模拟参数类型组的数据区间为数值模拟模型的输入参数区据为输入，该时间段下该各监测点位移数据对应的预设滑坡模拟参数类型组的数据为输代训练过程包括基于训练集构建的滑坡模拟参数反演模型，并通过测试集对其进行校正，度函数值最小对应的猎物矩阵种群个体与捕食者矩阵中相同位置种群个体对应的适应度的适应度函数值，则将猎物矩阵种群个体替换该捕食者矩阵种群个体，更新捕食者矩阵用PWLCM混沌映射进行混沌扰动，为了削弱计算机技术本身随机数的产生过程存在的伪随对目标滑坡区域采集到的预设滑坡模拟参数类型组的数据，构建拟合线性方程c=ap+坡模拟参数类型组的数据分别对应的点到拟合线性方程对应的线的垂直距离最短为筛选合线性方程c-2.40p-0.22,如图5所示。[0122]由以下公式，分别确定5个种群个体到线性方程c=2.40p-0.22之间的距离：据应考虑时效性，监测数据的时间历程应与训练反演模型所用样本数据的时间历程相同。