盾构竖向姿态的组合预测模型研究

• 作者: 胡长明 侯雅君 李靓 袁一力
• 来源期刊: 铁道科学与工程学报
• 关键词: 盾构竖向姿态 经验模态分解 粒子群算法 BP神经网络 支持向量回归
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 桥梁隧道与结构|Bridge, Tunnel and Structure
• 页码范围: 1521-1528
• 页数: 8页
• 分类号: U455.43
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20200759

摘要

由于盾构施工过程中盾构姿态演化的复杂性,单一预测模型很难实现较为精准的预测,提出了一种基于BP神经网络和支持向量回归(Support Vector Regression,SVR)的盾构竖向姿态组合预测模型.首先,利用经验模态分解将盾构竖向姿态时间序列分解为有限个固有模态分量和剩余分量;其次,在分别建立不同分量的粒子群优化(Particle Swarm Optimization,PSO)的BP神经网络与SVR预测模型后,将其预测结果分别进行叠加;最后,采用最优加权法对两个模型赋权以得到最终预测结果.为验证所提出模型的实践适用性,将其应用至成都地铁8号线某盾构区间中,并与PSO-BP和PSO-SVR模型的预测结果进行对比.研究结果表明:所提出模型的泛化能力更强、准确性更高,可为盾构竖向姿态预测提供一定的借鉴和参考.