洞室围岩变形预测的ACA‐LSSVM模型及工程应用研究

详细信息   

• 责任者：徐飞^c河海大学岩土力学与堤坝工程教育部重点实验室^d1983^e博士生 ; 徐卫亚 ; 刘大文^c中国水电顾问集团成都勘测设计研究院 ; 刘康
• 刊名：长江科学院院报
• 出版年：2009
• 卷期：26^b2总123
• 关键词：围岩变形20^a地下洞室 ; 支持向量机 ; 时间序列分析 ; 最小二乘法 ; 数学模型30^a蚁群算法
• 页码：32～35，52
• 索书号：P860.6/332-1
• 图表：^c表3参12插图
• 分类号：1600
• 文摘期号：2009/07

摘要

现场监测获得的围岩变形信息，从宏观上反映了洞室的力学性态变化。为克服人工神经网络方法的过学习问题，提出了一种新的洞室围岩变形预测模型——进化支持向量机模型。该模型利用蚁群算法来搜索支持向量机的惩罚因子和核函数参数，避免了人为选择参数的盲目性，提高了支持向量机的推广预测能力。应用该非线性智能预测方法，滚动预测围岩变形量，能及时发现异常情况，从而调整和优化施工步序，维护洞室的稳定性。将该方法用于锦屏一级水电站工程洞室变形预测，结果表明，该方法具有科学可靠、实时性的优点，具有广泛的应用前景。