基于多尺度组合核极限学习机模型的隧道围岩变形 预测及应用

• 作者: 刘超琼 强跃 李绍红
• 来源期刊: 现代隧道技术
• 学科: 交通运输
• 关键词: 隧道工程 集合经验模态分解 组合核极限学习机 粒子群算法 马尔可夫链
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 分析与计算
• 页码范围: 70-76
• 页数: 7页
• 分类号: U456.31
• 字数: 5598字
• 语种: 中文
• DOI: 10.13807/j.cnki.mtt.2017.06.010

摘要

隧道围岩变形序列具有高度非线性,采用常规方法很难得到满意的预测精度.为了提高隧道围岩变形的预测精度,基于实测变形数据,提出一种隧道围岩变形的多尺度组合核极限学习机预测模型.首先,通过集合经验模态分解技术将实测变形数据分解为多个不同的尺度序列,然后通过组合核极限学习机对各分量序列进行建模预测,最后将预测得到的各分量结果进行组合获得最终的预测值.改进模型中通过径向基函数和多项式核函数线性加权而成组合核函数,运用粒子群算法对核参数和加权系数进行优选,并通过马尔可夫链对模型的预测结果进行了讨论,可以较好地提高隧道围岩变形的预测精度.文章通过大相岭隧道围岩变形预测实例表明:提出的改进模型在单步预测和连续多步预测隧道围岩变形时,都能取得较高精度,对比可得优于贝叶斯正则化BP神经网络,与工程实例监测变形相比处于可接受范围内,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	强跃	重庆三峡学院土木工程学院	45	118	6.0	9.0
3	李绍红	成都理工大学环境与土木工程学院	14	49	5.0	7.0
4	刘超琼	重庆安全技术职业学院建筑与环境安全系	5	8	1.0	2.0