勘察科学技术
勘察科學技術
감찰과학기술
Site Investigation Science and Technology
2015年
5期
1-4
,共4页
超长桩%粒子群算法%蚁群算法%支持向量机%轴力预测
超長樁%粒子群算法%蟻群算法%支持嚮量機%軸力預測
초장장%입자군산법%의군산법%지지향량궤%축력예측
super-long pile%particle swarm algorithm%ant colony algorithm%support vector machines%axial force prediction
由于苏通大桥群桩基础的超长桩在不同断面的轴力沿桩长分布具有复杂非线性的特点,为了实现对不同高程断面的轴力进行预测,引入粒子群算法与蚁群算法对支持向量机进行优化,在考虑断面高程、潮位、水温与风速等影响因素的基础上,建立沿桩长基桩轴力分布的优化SVM预测模型.研究表明,PSO-SVM与ACO-SVM模型比传统SVM在预测精度、模型稳定性与泛化能力方面有更好的表现,在超长桩不同高程断面的轴力预测中,具有一定的工程应用价值.
由于囌通大橋群樁基礎的超長樁在不同斷麵的軸力沿樁長分佈具有複雜非線性的特點,為瞭實現對不同高程斷麵的軸力進行預測,引入粒子群算法與蟻群算法對支持嚮量機進行優化,在攷慮斷麵高程、潮位、水溫與風速等影響因素的基礎上,建立沿樁長基樁軸力分佈的優化SVM預測模型.研究錶明,PSO-SVM與ACO-SVM模型比傳統SVM在預測精度、模型穩定性與汎化能力方麵有更好的錶現,在超長樁不同高程斷麵的軸力預測中,具有一定的工程應用價值.
유우소통대교군장기출적초장장재불동단면적축력연장장분포구유복잡비선성적특점,위료실현대불동고정단면적축력진행예측,인입입자군산법여의군산법대지지향량궤진행우화,재고필단면고정、조위、수온여풍속등영향인소적기출상,건립연장장기장축력분포적우화SVM예측모형.연구표명,PSO-SVM여ACO-SVM모형비전통SVM재예측정도、모형은정성여범화능력방면유경호적표현,재초장장불동고정단면적축력예측중,구유일정적공정응용개치.
