基于组合核函数的高斯过程边坡角智能设计 - 岩土力学.PDF

第31 卷第3 期 岩 土 力 学 Vol.31 No. 3 2010 年3 月 Rock and Soil Mechanics Mar. 2010 文章编号：1000－7598 (2010) 03 －0821 －06 基于组合核函数的高斯过程边坡角智能设计 徐 冲，刘保国，刘开云，郭佳奇 （北京交通大学 土木建筑工程学院，北京 100044 ） 摘 要：高斯过程(GP)是近年来发展迅速的一种全新学习机。与支持向量机(SVM)相比，该方法有着容易实现、超参数可自 适应获取及预测输出具有概率意义等优点。结合边坡工程中的边坡角设计，编写了在多种因素影响下边坡角设计的GP 程序， 为克服单一核函数预测精度和网络泛化能力差的缺点，采用单一核函数相加作为GP 的组合核函数，将自动关联性测定参数 （ARD ）引入其中，建立了关于超参数的GP 回归网络模型，使用共轭梯度下降算法导出最优超参数，用ARD 超参数进行 输入属性相关性分析和特征选取，并以此网络对测试样本进行学习预测，结合支持向量回归方法给出了在回归问题上的应用 和对比分析。结果表明：在边坡角智能设计应用中，采用组合核函数的GPR 网络ARD 参数具有明确的物理意义，预测回归 性能优于SVM，且预测输出的概率解释能更好的体现预测值的代表性，为边坡角设计开辟新径。 关 键 词：边坡工程；高斯过程；边坡角设计；机器学习；智能预测 中图分类号：O 224 文献标识码：A Slope angle intelligent design based on Gaussian process with combinatorial kernel function XU Chong，LIU Bao-guo，LIU Kai-yun，GUO Jia-qi （School of Civil Engineering, Beijing Jiaotong University, Beijing 100044, China ） Abstract : The Gaussian process (GP) is a high and new machine learning way developed rapidly in recent years. It embodies the characteristics of programming easily, self-adaptive acquisition of hyper-parameters and prediction