[发明专利]基于支持向量机的边坡可靠性参数获取方法及装置有效

专利信息
申请号: 201710237941.0 申请日: 2017-04-12
公开(公告)号: CN107194024B 公开(公告)日: 2019-03-26
发明(设计)人: 刘晓;唐辉明;黄磊;马俊伟;龚松林;邹宗兴;张抒;王飞 申请(专利权)人: 中国地质大学(武汉)
主分类号: G06F17/50 分类号: G06F17/50;G06N20/10
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 梁斌
地址: 430000 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明实施例提供一种基于支持向量机的边坡可靠性参数获取方法及装置,属于数据处理领域。所述方法包括:根据m个不确定性参数各自对应的均值与标准差,通过正交设计法,生成k个训练样本向量;根据k个训练样本向量及一个或多个确定性参数值,通过边坡稳定性分析方法,获取k个训练样本向量各自对应的边坡稳定系数;以所述k个训练样本向量为自变量,以其各自对应的边坡稳定系数为因变量,构成映射关系,通过支持向量机算法,获取所述映射关系表达式;根据随机生成的N个服从于联合概率分布的待测样本向量及映射关系表达式,获取边坡可靠性参数。所述方法有效地提升了利用蒙特卡洛模拟法获取边坡可靠性参数的效率。
搜索关键词: 基于 支持 向量 可靠性 参数 获取 方法 装置
【主权项】:
1.一种基于支持向量机的边坡可靠性参数获取方法,其特征在于,所述方法包括:根据m个不确定性参数各自对应的均值与标准差,通过正交设计法,生成k个训练样本向量,每个所述训练样本向量由所述m个不确定性参数各自对应的试验数据构成,其中,m与k为非零自然数,k的最大取值与m呈指数关系;根据所述k个训练样本向量及一个或多个确定性参数,通过边坡稳定性分析方法,获取所述k个训练样本向量各自对应的边坡稳定系数;以所述k个训练样本向量为自变量,以其各自对应的边坡稳定系数为因变量,构成映射关系,通过支持向量机算法,获取所述映射关系表达式;根据随机生成的N个服从于联合概率分布的待测样本向量及所述映射关系表达式,获取边坡可靠性参数,所述边坡可靠性参数包括N个待测样本向量各自对应的边坡稳定系数的均值和标准差、边坡失效概率以及可靠度指标,其中,每个所述待测样本向量由所述m个不确定性参数各自对应的随机数据构成;其中,所述根据m个不确定性参数各自对应的均值与标准差,通过正交设计法,生成k个训练样本向量,每个所述训练样本向量由所述m个不确定性参数各自对应的试验数据构成,其中,m与k为非零自然数,k的最大取值与m呈指数关系,包括:根据m个不确定性参数的均值和标准差,通过正交设计法,至少生成一组第一训练样本向量,每个所述不确定性参数的均值为μi,标准差为σi,每个所述第一训练样本向量中的每个所述不确定性参数对应的3个水平为:μi‑2σi、μi、μi+2σi,或者为μi‑3σi、μi、μi+3σi,其中i=1,2,…,m,每一组所述第一训练样本向量的数量为nj,nj≤3m,j为组编号,有j∈N+;合并所述第一训练样本向量为训练样本向量,所述训练样本向量的样本数为k,其中,t为所述第一训练样本向量的组数;其中,所述以所述k个训练样本向量为自变量,以其各自对应的边坡稳定系数为因变量,构成映射关系,通过支持向量机算法,获取所述映射关系表达式,包括:根据所述k个训练样本向量及其各自对应的边坡稳定系数,以及预设规则,获取最优偏移量以及所述k个训练样本向量各自对应的最优拉格朗日对偶;根据所述最优偏移量、所述k个训练样本向量及其各自对应的最优拉格朗日对偶,获取映射关系表达式。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710237941.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top