基于PSO-SVM的黄土湿陷性预测研究

湿陷系数是描述黄土物理力学性质的重要指标,利用现有资料建立黄土湿陷性预测模型具有重要的工程应用价值。通过粒子群算法(PSO)优化支持向量机(SVM),建立基于PSO-SVM的黄土湿陷性预测模型,SVM用于描述湿陷系数与黄土物理力学指标间的非线性关系,PSO对SVM参数进行全局寻优,避免人为选择参数的盲目性,从而提高模型的预测精度。结果表明PSO-SVM方法在精度和适用性方面由于传统的人工神经网络方法,建立的黄土湿陷性预测模型可以满足工程应用需求。