A. 參數的選擇
在支持向量機方法中，要選擇的參數主要有懲罰系數C、核函數參數g和不敏感損失函數參數ε。對於C和核函數參數g的選擇可採用交叉驗證（crossvalidation）和網格搜索（gride searching）方法，這樣可以選擇符合實際情況的最優參數。徑向基核函數為：
基坑降水工程的環境效應與評價方法
其中σ為徑向基函數的寬度，令γ=1/2σ2（γ＞0），則核函數就化為下式：
基坑降水工程的環境效應與評價方法
在考慮訓數據有噪音的情況時，使用一個懲罰因子C，用來控制經驗風險。要純型確定的參數為徑向基函數的γ值以及懲罰程度的常數C值。在實際問題中，最佳參數C、γ值是未知的，故為了達到准確分類或回歸測試數據的目的，需要去搜索最佳參數。交叉驗證：就是將數據首先分成n個同樣大小數量的互不相交的子集。先用n-1個子集作為訓練樣本，預測那個沒有參加訓練的子集。這樣一個接一個，進行n次。這樣全部數據中的每個樣本點都被預測了一遍，准確率是比較穩定的。
網格搜索是交叉確敬悄認的一種方法。即嘗試所有的參數對（C，γ），計算其交叉確認正確度，挑出最佳參數對的過程。首先選定一組（C，γ）的范圍C=（2-5，2-4…215），和γ=（2-15，2-12…23），每一參數對（C，γ）相互獨立，ε可取0.005～0.5之間的值。為確保SVM模型有優良的預測性能，並考慮到回歸性能分亮褲渣析的結論：不敏感系數ε可控制模型的泛化推廣能力，懲罰因子C可控制擬合曲線復雜性，核函數寬度系數σ可影響回歸曲線的光滑程度。從大量的實驗分析比較可知，最終選定取如下值：C=0.01，g=10000，σ=0.01。