基于PSO-SVM非线性时序模型的隧洞围岩变形预报

• 作者: 姜谙男
• 来源期刊: 岩土力学
• 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
• 年，卷（期）: 2007,（6）
• 页码范围: 1176-1180
• 页数: 5页
• 分类号: TU452|TB115
• 语种: 中文
• 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜谙男	大连海事大学交通工程与物流学院道桥所	91	570	12.0	20.0