基于量子行为粒子群优化算法和最小二乘支持向量机的边坡稳性分析

基于量子行为粒子群优化算法和最小二乘支持向量机的边坡稳性分析定(中文9000字,英文PDF)
摘要

由于复杂性和边坡稳定性影响因素的不确定性，它的准确评价是难以实现使用传统的方法。本文提出了一种利用最小二乘支持向量机（LSSVM）基于量子行为粒子群优化算法（QPSO）建立边坡稳定性的非线性关系。在该qpso-lss虚拟机的算法，算法来优化最小二乘支持向量机的重要参数。要确定本地和全局最优，三个流行的基准函数被用来测试的能力的专业提出非线性递减权重QPSO算法，粒子群算法，和线性递减权重的PSO算法。该算法表现出了优越的性能比上述其他算法。模拟从qpso-lssvm PSO-LSSVM，得到结果，和最小二乘支持向量机算法进行比较的情况下。案例分析表明，qpso-lssvm具有最快的搜索速度和最佳的收敛性能在这三种算法中，最适合用于边坡稳定性分析的算法。