低温建筑技术
低溫建築技術
저온건축기술
LOW TEMPERATURE ARCHITECTURE TECHNOLOGY
2014年
10期
95-97
,共3页
黄伟杰%陈志坚%俞俊平%余世元
黃偉傑%陳誌堅%俞俊平%餘世元
황위걸%진지견%유준평%여세원
支持向量机%深水群桩基础%粒子群算法%轴力预测
支持嚮量機%深水群樁基礎%粒子群算法%軸力預測
지지향량궤%심수군장기출%입자군산법%축력예측
@@
由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂非线性关系.本文利用支持向量机模型,对苏通大桥群桩基础轴力实测数据进行分析,为了避免人为选择支持向量机模型参数的盲目性,采用了粒子群算法(PSO)寻找最优参数,由此建立了PSO-SVM模型.为了方便对比,建立了传统SVM与RBF神经网络预测模型,利用PSO-SVM、SVM、RBF三种模型对受力情况不同的四根监测桩进行轴力预测,分别对比了三种模型在不同桩的预测结果.研究表明,与传统SVM、RBF的预测结果相比,PSO-SVM模型预测精度更高,在轴力变化不同的四根桩上预测都很稳健,具有更强的泛化能力,在大型深水群桩基础轴力预测中具有一定的工程应用价值.
由于大型深水群樁基礎受到複雜的環境影響,其基樁軸力的變化與環境因素之間呈現複雜非線性關繫.本文利用支持嚮量機模型,對囌通大橋群樁基礎軸力實測數據進行分析,為瞭避免人為選擇支持嚮量機模型參數的盲目性,採用瞭粒子群算法(PSO)尋找最優參數,由此建立瞭PSO-SVM模型.為瞭方便對比,建立瞭傳統SVM與RBF神經網絡預測模型,利用PSO-SVM、SVM、RBF三種模型對受力情況不同的四根鑑測樁進行軸力預測,分彆對比瞭三種模型在不同樁的預測結果.研究錶明,與傳統SVM、RBF的預測結果相比,PSO-SVM模型預測精度更高,在軸力變化不同的四根樁上預測都很穩健,具有更彊的汎化能力,在大型深水群樁基礎軸力預測中具有一定的工程應用價值.
유우대형심수군장기출수도복잡적배경영향,기기장축력적변화여배경인소지간정현복잡비선성관계.본문이용지지향량궤모형,대소통대교군장기출축력실측수거진행분석,위료피면인위선택지지향량궤모형삼수적맹목성,채용료입자군산법(PSO)심조최우삼수,유차건립료PSO-SVM모형.위료방편대비,건립료전통SVM여RBF신경망락예측모형,이용PSO-SVM、SVM、RBF삼충모형대수력정황불동적사근감측장진행축력예측,분별대비료삼충모형재불동장적예측결과.연구표명,여전통SVM、RBF적예측결과상비,PSO-SVM모형예측정도경고,재축력변화불동적사근장상예측도흔은건,구유경강적범화능력,재대형심수군장기출축력예측중구유일정적공정응용개치.
