基于RF-SSA-SVM的砂土地震液化判别

为提升支持向量机(support vector machine,SVM)机器学习方法在砂土地震液化判别模型的适用性和准确性,选取了12个包括土性参数和地震参数在内的620组数据,使用引入佳点集法的樽海鞘算法(Salp Swarm Algorithm,SSA)对SVM的惩罚参数C和核参数g进行优化,优化过程中为了提升模型的鲁棒性,使用5折交叉验证,由此构建了基于SSA-SVM的砂土液化判别模型,随后又运用随机森林(random forest,RF)的因素重要性评分,选取了重要性排名前8的指标继续对SSA-SVM模型进行训练和优化,建立起RF-SSA-SVM的液化判别模型。将两种预测模型的结果与Seed“简化法”结果进行对比,验证了本文所提出的液化判别模型精度较高、泛化能力较强,为实际应用提供了新的思路。