基于PSO-SVM非线性时序模型的隧洞围岩变形预报
  • 【DOI】

    10.3969/j.issn.1000-7598.2007.06.021

  • 【摘要】

    现场量测获得的围岩变形信息,从宏观上反映了地下洞室围岩-支护系统力学性态变化.为克服人工神经元网络方法过学习问题,提出了一种新的预测地下洞室围岩变形的粒子群支持向量机方法,用粒子群算法优化最小二乘支持向量机的参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力.利用这种非线性智能预测方法,基于监测数据滚动预测围岩变形,可以及时优化和调整施工步序,保证洞室的稳定性.将该方法用于清... 展开>>现场量测获得的围岩变形信息,从宏观上反映了地下洞室围岩-支护系统力学性态变化.为克服人工神经元网络方法过学习问题,提出了一种新的预测地下洞室围岩变形的粒子群支持向量机方法,用粒子群算法优化最小二乘支持向量机的参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力.利用这种非线性智能预测方法,基于监测数据滚动预测围岩变形,可以及时优化和调整施工步序,保证洞室的稳定性.将该方法用于清江水布垭电站地下厂房的围岩收敛变形预测,获得了令人满意的预测效果. 收起<<

  • 【作者】

    姜谙男 

  • 【作者单位】

    大连海事大学

  • 【刊期】

    岩土力学 ISTIC EI PKU 2007年6期

  • 【关键词】

    围岩变形  时间序列预测  粒子群优化算法  支持向量机 

  • 【基金项目】

    国家自然科学基金