冯腾飞， 钟钰， 刘小生， 于良

（江西理工大学建筑与测绘工程学院，江西 赣州341000）

针对目前生活中各种变形体如滑坡、基坑等由于发生变形给社会带来的危害，如何对变形体的变形趋势做出准确预测并及时提出预警是急需要解决的问题.比较熟知的预测方法有回归分析法、灰色理论、神经网络、支持向量机[1]等.支持向量回归机（Support Vector Regression，简称 SVR）是 20 世纪90年代由贝尔实验室Vapnik提出的一种能够处理回归和模式识别等诸多问题的新型统计学方法[2-3].最小二乘支持向量回归机（Least Square Support Vector Regression，简称 LSSVR）是SVR的扩展，它不仅继承了SVR的优点，即它能很好地解决数据量少、过学习、局部极小点等实际难点，具有很强的泛化能力，而且LSSVR将SVR中的二次规划问题转化为求解线性方程组的问题，简化了计算，所以LSSVR作为一种新型的机器学习方法已经被应用到变形预测领域中.但是继承了SVR优点的同时，LSSVR也面临着惩罚参数和核函数参数σ难以取值的问题，参数的优化将会直接决定LSSVR的拟合精度和泛化性能.常用的参数优化方法主要包括网格搜索法[4]、交叉验证法[5]、直接确定法等.但这些参数优化方法均存在各自的缺点[6]：如网格搜索法并不一定能得到最优参数且计算量大；交叉验证法同样需要大量计算且耗时长，不适用于实际生产；直接确定法要求有较高的先验知识.人工蜂群算法（Artificial Bee Colony， 简称ABC） 是 Karaboga在2005年提出的一种模拟蜂群协作寻找蜜源的生物智能优化算法[7]，ABC具有参数设置少、计算简单、更大概率得……