文件名称：RBFN及SVM在边坡稳定可靠度分析中的应用 (2011年)
文件大小：358KB
文件格式：PDF
更新时间：2024-05-15 20:39:15
自然科学 论文
基于径向基神经网络（Radial Basis Function Network，简称RBFN）及支持向量机（Support Vector Machine，简称SVM）的类似性，文章采用相同的符号体系，推导了RBFN及SVM在进行函数拟合时的表达式，指出这2种表达式形式上类似，主要区别是参数的计算方法有所不同；以RBFN及SVM的拟合结果为响应面，基于蒙特卡罗模拟法进行了边坡的可靠度分析。计算结果表明，基于RBFN的蒙特卡罗模拟法与基于SVM的蒙特卡罗模拟法具有较高的计算精度及效率，2种方法在计算精度上没有