基于PSO-SVM的山区营运高速公路边坡防治费用预测

摘要

【目的】山区营运高速公路边坡的防治费用。【方法】以安徽省山区营运高速公路为研究对象,在综合考虑边坡基本情况、防治方案和价格因素3个方面共14个特征指标的基础上,建立了利用粒子群优化(particle swarm optimization,PSO)算法优化支持向量机(support vector machine,SVM)的山区营运高速公路边坡防治费用预测模型。通过PSO算法对SVM的惩罚因子和核函数参数进行优化,根据工程实例采用相对误差、均方根误差和判定系数等对所建模型的预测性能进行验证和评估,并与其他模型进行比较。【结果】应用所建模型预测山区营运高速公路的边坡防治费用,平均相对误差降低了41.9%,判定系数达到了0.953。【结论】所建模型具有较高的准确性和适用性,可为边坡防治决策提供参考。