基于ACO-SVM的桥梁基础群桩轴力预测

• 作者: 俞俊平 吴叶 陈志坚 黄伟杰
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 深水群桩基础 支持向量机 蚁群算法 轴力预测 ACO-SVM模型
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 岩土工程
• 页码范围: 121-125
• 页数: 5页
• 分类号: TU473
• 字数: 3485字
• 语种: 中文
• DOI: 10.11988/ckyyb.20140601

摘要

由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂菲线性关系.利用在解决小样本、非线性、高维数方面具有很强能力的支持向量机,对苏通大桥群桩基础轴力实测数据进行分析,预测了一段时间内轴力的变化.并采用了蚁群算法(ACO)寻找模型最优参数,由此建立了ACO-SVM模型,避免了人为选择参数的盲目性.为方便对比,建立了传统SVM与RBF神经网络预测模型,对比了ACO-SVM,SVM,RBF这3个模型的预测结果.研究表明,与传统SVM,RBF的预测结果相比,ACO-SVM模型具有更高的可信度和预测精准度,且具有更强的泛化能力,在大型深水群桩基础的轴力预测中具有一定的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志坚	河海大学地球科学与工程学院	96	850	18.0	26.0
2	俞俊平	河海大学地球科学与工程学院	8	32	3.0	5.0
3	黄伟杰	河海大学地球科学与工程学院	5	7	2.0	2.0
4	吴叶	东南大学材料科学与工程学院	1	3	1.0	1.0