市政技术
市政技術
시정기술
MUNICIPAL ENGINEERING TECHNOLOGY
2007年
4期
283-287
,共5页
地铁隧道%浅埋暗挖法%支持向量机%地表沉降%BP神经网络
地鐵隧道%淺埋暗挖法%支持嚮量機%地錶沉降%BP神經網絡
지철수도%천매암알법%지지향량궤%지표침강%BP신경망락
针对北京地铁区间浅埋暗挖隧道,分析了施工导致的地表沉降的影响因素,提出了影响地表变形的主要因素,建立了支持向量机的统计回归预测模型,并用该模型预测的地表沉降,将SVM预测值和BP神经网络预测值与现场量测值进行了对照.结果表明,支持向量机比BP神经网络有较高的预测精度,并且具有小样本、高维数及非线性等优点.
針對北京地鐵區間淺埋暗挖隧道,分析瞭施工導緻的地錶沉降的影響因素,提齣瞭影響地錶變形的主要因素,建立瞭支持嚮量機的統計迴歸預測模型,併用該模型預測的地錶沉降,將SVM預測值和BP神經網絡預測值與現場量測值進行瞭對照.結果錶明,支持嚮量機比BP神經網絡有較高的預測精度,併且具有小樣本、高維數及非線性等優點.
침대북경지철구간천매암알수도,분석료시공도치적지표침강적영향인소,제출료영향지표변형적주요인소,건립료지지향량궤적통계회귀예측모형,병용해모형예측적지표침강,장SVM예측치화BP신경망락예측치여현장량측치진행료대조.결과표명,지지향량궤비BP신경망락유교고적예측정도,병차구유소양본、고유수급비선성등우점.
