科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提升支持向量机(support vector machine, SVM)机器学习方法在砂土地震液化判别模型的适用性和准确性，选取了12个包括土性参数和地震参数在内的620组数据，使用引入佳点集法的樽海鞘算法(Salp Swarm Algorithm, SSA)对SVM的惩罚参数C和核参数g进行优化，优化过程中为了提升模型的鲁棒性，使用5折交叉验证，由此构建了基于SSA-SVM的砂土液化判别模型，随后又运用随机森林(random forest, RF)的因素重要性评分，选取了重要性排名前8的指标继续对SSA-SVM模型进行训练和优化，建立起RF-SSA-SVM的液化判别模型。将两种预测模型的结果与Seed“简化法”结果进行对比，验证了本文所提出的液化判别模型精度较高、泛化能力较强，为实际应用提供了新的思路。
- 出版日期2023
- 单位江西理工大学
