《表7 支持向量机稳定性评判模型检验》
把剩余的28个碎屑斜坡对判别模型进行回判,用“1”表示稳定,“0”表示不稳定,“*”表示结论错误。根据回判结果与实际值和BP人工神经网络(BPNN)判别结论对比,详见表7,得出SVM模型的判别准确率达到89.29%,而BPNN的准确率为85.71%,而且BPNN把7#不稳定斜坡判别为稳定斜坡,说明了SVM模型判别比BPNN判别更准确可靠。分析SVM对6#、18#和24#3个碎屑斜坡判定错误原因,均因安全系数略偏低,而为了工程安全考虑,所建模型计算偏于保守,因此,将其判别为不稳定斜坡,也表明了建立的模型基本合理可靠。
图表编号 | XD0059269000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 叶唐进、谢强、王鹰 |
绘制单位 | 西南交通大学地球科学与环境工程学院、西藏大学工学院、西南交通大学地球科学与环境工程学院、西南交通大学地球科学与环境工程学院、西藏大学工学院 |
更多格式 | 高清、无水印(增值服务) |