支持向量机模型在断层破碎带围岩变形预测中的应用

• 作者: 任庆国 苗兰弟
• 来源期刊: 河北工业科技
• 学科: 交通运输
• 关键词: 隧道工程 粒子群算法 支持向量机 BP神经网络 动态预测
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 应用技术
• 页码范围: 194-201
• 页数: 8页
• 分类号: U452.1+2
• 字数: 6939字
• 语种: 中文
• DOI: 10.7535/hbgykj.2017yx03008

摘要

围岩变形预测是隧道安全评价及其指导后期施工的重要依据,为提高变形预测精度,结合工程实践,提出了PSO-SVM-BP预测模型的思路.首先,利用三次样条插值及二次平滑法对变形数据进行预处理,为后期变形预测奠定基础;其次,利用粒子群算法对支持向量机进行参数优化,建立PSO-SVM模型,并对围岩变形进行初步预测;最后,利用BP神经网络进行误差修正,达到综合预测的目的,并利用工程实例进行检验,以验证预测模型的有效性.结果表明:初步预测结果的相对误差均小于5％,而误差修正后的预测精度被提高到0.97％,预测精度较高,验证了预测模型的有效性,可为类似研究提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任庆国		23	59	4.0	6.0
2	苗兰弟		23	63	5.0	6.0