文献

J-GLOBAL ID：201902223033471544   整理番号：19A0943521

サポートベクトルマシン(SVM)と改良BPニューラルネットワークに基づく路盤斜面安定性研究【JST・京大機械翻訳】

Study on Stability of Roadbed Slope Based on SVM and Improved BP Neural Network

著者 (3件)： Shi Xiaofan (河北工業大学 土木与交通学院, 天津 300401;河北工業大学 土木工程重点実験中心, 天津 300401) ,  Yang Chunfeng (河北工業大学 土木与交通学院, 天津 300401;河北工業大学 土木工程重点実験中心, 天津 300401) ,  Wang Keyi (河北工程大学,河北 邯鄲,056000)
資料名： Gonglu Jiaotong Keji  (Gonglu Jiaotong Keji)
巻： 36  号： 1  ページ： 31-37  発行年： 2019年 
JST資料番号： W0608A  ISSN： 1002-0268  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 北京新高速道路プロジェクトが建設中に遭遇する亀裂、滑り、転倒などの多くの斜面安定性問題に対して、斜面岩土体パラメータと斜面安定性間の相関関係を検討し、また、研究プロジェクト路段の運営期間における走行安全を保証するため、道路網、特に山岳道路の安全と安全性を実現させる。既存の研究に基づいて,サポートベクトルマシン(SVM)と付加的運動量係数(mc)によって改良したBPニューラルネットワークの2つの斜面安定性予測モデルを,既存の研究に基づいて確立した。45の訓練サンプルを導入することによって,5つの工学斜面の事例の安全係数を予測して,2つのモデルの平均誤差と最大誤差を分析して,2つのモデルの予測精度と適用範囲を比較した。また、京新高速道路の膠泥湾から墓界までの工程斜面の安定性を予測した。結果は,サンプル訓練段階において,SVMとBPニューラルネットワークの両方が高いシミュレーション精度を持ち,BPニューラルネットワークがより良いことを示した。サンプル予測段階において,SVMの予測精度はBPネットワークより優れていた。サンプル容量が絶えず増加するとき,2つの計算モデルの予測精度は,徐々に増加した。結果によると、サポートベクトルマシン予測モデルは強い外挿能力と予測計算の有効性があり、斜面の安定性の複雑な非線形関係をよりよく記述でき、斜面の安定性の予測分析に適している。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 外挿法 ,  亀裂 ,  *サポートベクトルマシン ,  モデル ,  高速度 ,  高速道路 ,  走行 ,  *斜面安定 ,  有効性 ,  予測 ,  予測モデル ,  安全性 ,  シミュレーション ,  岩石
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

分類 (2件)： 道路施設・建設  (RC08030I) ,  斜面安定,掘削変形  (RA03070L)

タイトルに関連する用語 (6件)： サポートベクトルマシン ,  SVM ,  BPニューラルネットワーク ,  路盤 ,  斜面安定性 ,  研究