基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用一种可靠的方法预测隧道围岩挤压变形对隧道的设计与施工至关重要.文章构建了用于围岩挤压变形分类的SVM-BP组合模型,通过设计不同特征参数和3种分类器“SVM模型、BP模型、SVM-BP组合模型”用于隧道挤压预测的试验,分析了不同模型的预测准确性和特征参数对预测结果的影响,验证了SVM-BP模型的可靠性.研究结果表明:采用隧道直径D、隧道埋深H、岩石质量指数Q和支撑刚度K这4个特征可较好地反映围岩挤压变形的分类效果;SVM-BP模型组合了SVM和BP神经网络模型的优点,具有灵活的非线性建模能力和大规模信息的并行处理能力,因此,SVM-BP模型比SVM和BP模型的分类性能更优;D,H和K这3个指标共同耦合对隧道围岩挤压变形预测结果的影响较大.
推荐文章
基于黏弹性本构性能的隧道围岩变形预测研究
黏弹性
围岩
剪切流变
反分析
变形
预测
灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用
深埋隧道
围岩变形预测
灰色-进化神经网络模型
基于非完整拱效应的软岩隧道掌子面变形及其控制研究
软岩隧道
挤出变形
控制
数值模拟
现场实测
基于PSO-SVM非线性时序模型的隧洞围岩变形预报
围岩变形
时间序列预测
粒子群优化算法
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM-BP模型非完整数据的隧道围岩挤压变形预测
来源期刊 现代隧道技术 学科 交通运输
关键词 隧道挤压 变形预测 SVM-BP 分类器性能 机器学习
年,卷(期) 2020,(z1) 所属期刊栏目 研究与探讨
研究方向 页码范围 129-138
页数 10页 分类号 U451+.2
字数 语种 中文
DOI 10.13807/j.cnki.mtt.2020.S1.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 马少坤 46 378 11.0 18.0
2 黄震 6 1 1.0 1.0
3 廖敏杏 1 0 0.0 0.0
4 张皓量 1 0 0.0 0.0
5 张加兵 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (9)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
隧道挤压
变形预测
SVM-BP
分类器性能
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代隧道技术
双月刊
1009-6582
51-1600/U
大16开
四川省成都市高新西区古楠街97号
62-197
1964
chi
出版文献量(篇)
3477
总下载数(次)
8
论文1v1指导