دانلود مقاله ISI انگلیسی شماره 52420
عنوان فارسی مقاله

رویکرد هوش مصنوعی ترکیبی مبتنی بر یادگیری ماشین فوق ابتکاری برای ارزیابی پایداری شیب: تجزیه و تحلیل داده های چند ملیتی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
52420 2016 9 صفحه PDF سفارش دهید 6530 کلمه
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Hybrid artificial intelligence approach based on metaheuristic and machine learning for slope stability assessment: A multinational data analysis
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 46, 15 March 2016, Pages 60–68

کلمات کلیدی
ارزیابی شیب - فوق ابتکاری - فراگیری ماشین؛ حداقل مربعات پشتیبانی طبقه بندی بردار - الگوریتم کرم شب تاب
پیش نمایش مقاله
پیش نمایش مقاله رویکرد هوش مصنوعی ترکیبی مبتنی بر یادگیری ماشین فوق ابتکاری برای ارزیابی پایداری شیب: تجزیه و تحلیل داده های چند ملیتی

چکیده انگلیسی

Slope stability assessment is a critical research area in civil engineering. Disastrous consequences of slope collapse necessitate better tools for predicting their occurrences. This research proposes a hybrid Artificial Intelligence (AI) for slope stability assessment based on metaheuristic and machine learning. The contribution of this study to the body of knowledge is multifold. First, advantages of the Firefly Algorithm (FA) and the Least Squares Support Vector Classification (LS-SVC) are combined to establish an integrated slope prediction model. Second, an inner cross-validation with the operating characteristic curve computation is embedded in the training process to reliably construct the machine learning model. Third, the FA, an effective and easily implemented metaheuristic, is employed to optimize the model construction process by appropriately selecting the LS-SVM's hyper-parameters. Finally, a dataset that contains 168 real cases of slope evaluation, recorded in various countries, is used to establish and confirm the proposed hybrid approach. Experimental results demonstrate that the new hybrid AI model has achieved roughly 4% improvement in classification accuracy compared with other benchmark methods.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.