公开(公告)号：CN112926251A

公开(公告)日：2021-06-08

申请号：CN202110133359.6

申请日：2021-02-01

Applicant: 长安大学

Inventor： 瞿伟 ,  程浩祥 ,  陈海禄 ,  高源 ,  梁世川 ,  张勤

IPC: G06F30/25 ,  G06F30/27 ,  G06N3/00 ,  G06N20/10 ,  G06F111/08 ,  G06F119/12

Abstract: 本发明公开了一种基于机器学习的滑坡位移高精度预测方法，针对传统乌鸦算法迭代效率差、过度拟合导致泛化精度低的问题进行了两点改进：1、乌鸦在没有领导者情况下，用乌鸦个体执行莱维飞行来取代随机搜索方式，有效地降低了乌鸦个体搜索的盲目性；2、为有效避免算法中存在的过拟合现象，针对支持向量机模型中的参数寻优问题，改变传统搜索算法中选取最优适应度值的方法，将常规支持向量机优化算法中以选取最小适应度值为原则修改为选取最优适应度值区间所对应的支持向量机最小参数值，通过基于改进的乌鸦搜索算法再对支持向量机参数进行优化。本发明方法有效改进高维滑坡位移数据搜索时的收敛效率，提高了支持向量机的回归精度和泛化能力。

公开(公告)号：CN112926251B

公开(公告)日：2022-07-05

申请号：CN202110133359.6

申请日：2021-02-01

Applicant: 长安大学

Inventor： 瞿伟 ,  程浩祥 ,  陈海禄 ,  高源 ,  梁世川 ,  张勤

IPC: G06F30/25 ,  G06F30/27 ,  G06N3/00 ,  G06N20/10 ,  G06F111/08 ,  G06F119/12

Abstract: 本发明公开了一种基于机器学习的滑坡位移高精度预测方法，针对传统乌鸦算法迭代效率差、过度拟合导致泛化精度低的问题进行了两点改进：1、乌鸦在没有领导者情况下，用乌鸦个体执行莱维飞行来取代随机搜索方式，有效地降低了乌鸦个体搜索的盲目性；2、为有效避免算法中存在的过拟合现象，针对支持向量机模型中的参数寻优问题，改变传统搜索算法中选取最优适应度值的方法，将常规支持向量机优化算法中以选取最小适应度值为原则修改为选取最优适应度值区间所对应的支持向量机最小参数值，通过基于改进的乌鸦搜索算法再对支持向量机参数进行优化。本发明方法有效改进高维滑坡位移数据搜索时的收敛效率，提高了支持向量机的回归精度和泛化能力。