煤田地质与勘探

作者：毛志勇, 黄春娟, 路世昌,

关键词：砂土地震液化, 因子分析(FA), 支持向量机(SVM), 遗传算法(GA), Adaboost算法,

为快速准确地对砂土液化情况作出预测，选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素，运用相关性分析和因子分析模型对其进行分析和属性约减，采用遗传算法（GA）对支持向量机（SVM）的参数寻优，结合Adaboost迭代算法，建立预测砂土地震液化的GA_SVM_Adaboost模型。选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练，利用该模型对剩余68组砂土液化数据进行预测。最后，将预测结果与GA_SVM和SVM模型预测结果进行比较。结果表明，3个模型的平均预测准确率分别为100%、98.04%、89.71%，基于因子分析的GA_SVM_Adaboost模型的预测准确性优于GA_SVM模型和SVM模型，是一种解决砂土地震液化预测问题的有效方法，具有一定的应用参考价值。

来源：2019年第3期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2019年第3期