支持向量机的改进及其在岩土工程反分析中的应用

摘要

本文按照智能岩石力学的思想，将SVM应用于岩土力学反分析的研究中，对岩土参数的识别进行了研究。主要工作有： 1.概述了统计学习理论中关于小样本统计的部分重要结论，详细地介绍了SVM的基本原理、算法、特点以及存在的问题，并讨论了它与统计学习理论中相关结论的关系； 2.讨论了SVM存在对噪声和野值敏感的问题，分别介绍和分析了目前针对此问题所提出的一些方法，在此基础上提出了一种改进的支持向量机算法，并用人工合成数据验证了算法的可行性和有效性； 3.针对SVM在参数(包括核函数及其参数)确定方面的问题，提出了基于模拟退火算法的SVM方法，该方法既利用了模拟退火算法的全局优化能力，又利用了SVM在处理小样本、高维数、非线性等问题方面的优良特性； 4.将SVM引入到岩土工程研究中，提出了岩土体参数识别的模拟退火支持向量机方法，并通过算例说明了该方法的可靠性。

目录

文摘

英文文摘

第一章绪论

1.1论文的背景

1.2在支持向量机和岩土工程反分析中存在的问题

1.3本文的研究工作和结构安排

第二章统计学习理论及支持向量机的基本理论

2.1机器学习的基本问题

2.2统计学习理论的核心内容

2.3支持向量机基本原理

第三章支持向量机算法的特点、研究内容及其现状

3.1支持向量机方法的几个显著特点

3.2支持向量机理论的主要研究内容

3.3支持向量机的研究现状

3.4本章小节

第四章在有噪声和野值情况下SVM方法的性能研究与改进

4.1噪声和野值点对SVM方法的影响及其相关工作

4.2 KKT条件及其对样本的分析

4.3剪辑近邻法的思想

4.4对SVM算法的改进

4.5试验结果和讨论

4.6本章小节

第五章岩土力学反分析基本原理及其研究现状

5.1岩土力学反分析方法的研究现状

5.2位移反分析原理

5.3支持向量机在岩土工程中应用的研究

第六章基于模拟退火算法的支持向量机及其应用

6.1模拟退火算法

6.2基于模拟退火算法的支持向量机(SA-SVM)方法

6.3岩体力学参数反演的模拟退火支持向量机（SA-SVM）方法

6.4算例和结果分析

第七章结论与展望

参考文献

致 谢