基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用
  • 【摘要】

    针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MWSO)算法.基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解.应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之... 展开>>针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MWSO)算法.基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解.应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性.然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高.最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果. 收起<<

  • 【作者】

    漆祖芳  姜清辉  周创兵  向柏宇  邵敬东 

  • 【作者单位】

    武汉大学水资源与水电工程科学国家重点实验室/武汉大学水资源与水电工程科学国家重点实验室/中国水电顾问集团成都勘测设计研究院

  • 【刊期】

    岩石力学与工程学报 ISTIC EI PKU 2013年6期

  • 【关键词】

    边坡工程  v-SVR  粒子群优化算法  改进的粒子群优化算法  位移反分析  slope engineering  v-SVR  particle swarm optimization(PSO)  modified particle swarm optimization  displacement back analysis 

  • 【基金项目】

    国家重点基础研究发展计划(973)项目 国家自然科学基金重点项目