基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识
- 出版年：2007
- 作者：刘开云；乔春生；刘保国
- 单位1：北京交通大学土木建筑工程学院
- 出生年：1971
- 学历：博士
- 职称：讲师
- 语种：中文
- 作者关键词：隧道工程；数值计算；参数辨识；支持向量回归；遗传算法
- 起始页：1164
- 总页数：9
- 经费资助：国家自然科学基金资助项目（50078002）。
- 刊名：岩石力学与工程学报
- 是否内版：否
- 刊频：月刊
- 创刊时间：1982
- 主管单位：中国科学技术协会
- 主办单位：中国岩石力学与工程学会
- 主编：冯夏庭
- 地址：武汉市武昌小洪山
- 邮编：430071
- 电子信箱：rock@whrsm.ac.cn
- 网址：//www.rockmech.org
- 卷：26
- 期：06
- 期刊索取号：P478.066357
- 核心期刊：全国中文核心期刊；中国科协优秀期刊；湖北省优秀期刊；El核心收录期刊
摘要
将支持向量回归（SVR）算法引入岩土工程数值计算模型参数的辨识中可以充分发挥SVR算法的小样本、泛化性好和全局最优化的优点。但现阶段标准的SVR算法只能解决一维输出变量的回归问题，这就使其在反分析领域的应用受到限制。引入一种改进的SVR算法，这种算法通过将多维输出变量回归转化为多层标准一维输出变量回归来解决这个问题，并与十进制编码的遗传算法相结合，形成改进的GA-SVR算法，用遗传算法搜索最优的SVR模型参数以建立最优的待辨识参数与位移之间的非线性映射关系，然后用遗传算法进行待辨识参数的最优辨识。为对比这种改进GA-SVR算法的效果，将遗传算法与BP神经网络相结合，形成GA-BP算法且编制相应的计算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识，数值算例表明改进的GA-SVR算法较GA-BP算法可以取得更高的辨识精度和更好的计算效率，可运用于类似岩土工程计算参数的辨识。