勘察科学技术
勘察科學技術
감찰과학기술
SITE INVESTIGATION SCIENCE AND TECHNOLOGY
2015年
1期
1-5
,共5页
支持向量机%位移时间序列%粒子群算法%边坡变形%多因素
支持嚮量機%位移時間序列%粒子群算法%邊坡變形%多因素
지지향량궤%위이시간서렬%입자군산법%변파변형%다인소
support vector machine (SVM)%displacement time series%particle swarm optimization (PSO)%slope deformation%multi-factor
由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征.针对位移时间序列未能完全考虑环境因素对边坡变形的影响,故将影响边坡变形的有效降雨量加入监测位移时序,组成多因素位移时间序列.引入粒子群算法(PSO)对支持向量机(SVM)的模型参数寻优,结合滚动预测方法,建立了适合边坡变形预测的多因素位移时间序列PSO-SVM模型.以华光潭一级厂房后边坡表面观测位移为例进行预测分析,研究表明,新模型预测结果科学可靠,有效弥补了传统PSO-SVM后期预测泛化能力的不足,提高了模型的预测精度.新模型在边坡位移时序预测中具有一定的工程应用价值.
由于複雜工程地質條件和環境因素的綜閤影響,邊坡變形呈現複雜非線性縯變特徵.針對位移時間序列未能完全攷慮環境因素對邊坡變形的影響,故將影響邊坡變形的有效降雨量加入鑑測位移時序,組成多因素位移時間序列.引入粒子群算法(PSO)對支持嚮量機(SVM)的模型參數尋優,結閤滾動預測方法,建立瞭適閤邊坡變形預測的多因素位移時間序列PSO-SVM模型.以華光潭一級廠房後邊坡錶麵觀測位移為例進行預測分析,研究錶明,新模型預測結果科學可靠,有效瀰補瞭傳統PSO-SVM後期預測汎化能力的不足,提高瞭模型的預測精度.新模型在邊坡位移時序預測中具有一定的工程應用價值.
유우복잡공정지질조건화배경인소적종합영향,변파변형정현복잡비선성연변특정.침대위이시간서렬미능완전고필배경인소대변파변형적영향,고장영향변파변형적유효강우량가입감측위이시서,조성다인소위이시간서렬.인입입자군산법(PSO)대지지향량궤(SVM)적모형삼수심우,결합곤동예측방법,건립료괄합변파변형예측적다인소위이시간서렬PSO-SVM모형.이화광담일급엄방후변파표면관측위이위례진행예측분석,연구표명,신모형예측결과과학가고,유효미보료전통PSO-SVM후기예측범화능력적불족,제고료모형적예측정도.신모형재변파위이시서예측중구유일정적공정응용개치.
