最小二乘支持向量机在深基坑变形预测中的应用

发布时间：2018-02-24 16:43

本文关键词： 深基坑水平位移最小二乘支持向量机粒子群算法变形监测　出处：《辽宁工程技术大学学报(自然科学版)》2014年11期 　论文类型：期刊论文

【摘要】：为分析深基坑在开挖过程中的变形规律,为安全生产提供有效信息,采用最小二乘支持向量机理论,利用粒子群算法对支持向量机的核参数进行优化,建立深基坑水平位移预测模型,并将预测结果与实际监测结果进行对比.研究结果表明:优化后的最小二乘支持向量机模型收敛速度快,泛化能力强,预测结果与实际监测数据有很好的一致性,精度高于传统的预测模型,对深基坑安全监控有一定的实用价值.
[Abstract]:In order to analyze the deformation law of deep foundation pit during excavation and provide effective information for safe production, the kernel parameters of support vector machine are optimized by using least square support vector machine theory and particle swarm optimization algorithm. The prediction model of horizontal displacement of deep foundation pit is established, and the prediction results are compared with the actual monitoring results. The results show that the optimized least square support vector machine model has fast convergence speed and strong generalization ability. The prediction results are in good agreement with the actual monitoring data, and the accuracy is higher than that of the traditional prediction model, which has certain practical value for the safety monitoring of deep foundation pit.
【作者单位】：吉林建筑大学测绘与勘查工程学院;吉林大学地球探测科学与技术学院;沈阳地质调查中心;
【基金】：吉林省科技发展计划基金资助项目(20120437) 国家自然科学基金资助项目(41072196)
【分类号】：TU433

【参考文献】

相关期刊论文前10条

1 于宁锋;杨化超;邓喀中;张书毕;;基于PSO和SVM的矿区地表下沉系数预测[J];辽宁工程技术大学学报(自然科学版);2008年03期

2 姜谙男;梁冰;张娇;;基于粒子群最小二乘支持向量机的瓦斯含量预测[J];辽宁工程技术大学学报(自然科学版);2009年03期

3 弓社强;蔡执刚;;基于支持向量机模型的深基坑变形预测研究[J];公路交通技术;2011年02期

4 李文莉;李郁侠;;基于粒子群最小二乘支持向量机的水文预测[J];计算机应用;2012年04期

5 鞠秋文;;PSO-SVM算法在网络入侵检测中的研究[J];计算机仿真;2011年04期

6 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

7 徐洪钟;杨磊;;基于最小二乘支持向量机回归的基坑变形预测[J];南京工业大学学报(自然科学版);2008年02期

8 杜康;许军;张耀辉;魏子杰;;基于粒子群优化结合最小二乘支持向量机的气体传感器建模[J];计算机应用;2013年S1期

9 杨佳佳;姜琦刚;陈永良;崔瀚文;张汉女;;基于最小二乘支持向量机和高分辨率遥感影像的大尺度区域岩性划分[J];中国石油大学学报(自然科学版);2012年01期

10 师旭超;梁醒培;;深基坑变形预测的进化支持向量机模型[J];武汉理工大学学报;2010年01期

【共引文献】

相关期刊论文前10条

1 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期

4 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期

5 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期

6 黄远顺;;矫直机的自动故障预报技术[J];安徽冶金;2012年01期

7 林春丽;齐欣;王克成;;SVM-KNN分类器在异常行为检测中的应用[J];辽宁科技大学学报;2010年05期

8 王亮;胡静涛;;基于LS-SVM的光刻过程R2R预测控制方法[J];半导体技术;2012年06期

9 梁万路;;代价敏感支持向量机的投影次梯度求解方法[J];兵工自动化;2011年04期

10 高学金;王普;孙崇正;易建强;张亚庭;张会清;;一种建立发酵过程模型的新方法[J];北京工业大学学报;2006年05期

【二级参考文献】

相关期刊论文前10条

1 冯建辉;杨玉静;;基于灰度共生矩阵提取纹理特征图像的研究[J];北京测绘;2007年03期

2 南存全,冯夏庭;基于模式识别的煤与瓦斯突出区域预测[J];东北大学学报;2004年09期

3 张耀波,张迁;基于SVM的遥感影像的分类[J];地理空间信息;2005年04期

4 傅文杰;洪金益;朱谷昌;;基于光谱相似尺度的支持向量机蚀变信息提取[J];地质与勘探;2006年02期

5 吴财芳,曾勇,张子戌;自适应神经网络在瓦斯含量预测中的应用[J];辽宁工程技术大学学报;2003年05期

6 张国辉,韩军,宋卫华;地质构造形式对瓦斯赋存状态的影响分析[J];辽宁工程技术大学学报;2005年01期

7 谭志祥;邓喀中;;建筑物下采煤研究进展[J];辽宁工程技术大学学报;2006年04期

8 宋卫华;张宏伟;;基于GIS的煤与瓦斯突出区域预测的可视化[J];辽宁工程技术大学学报(自然科学版);2008年03期

9 罗波;远祯;;改进BP网络在深基坑变形预测中的应用[J];工业建筑;2006年S1期

10 赵民;闫韶兵;朱民;;深基坑变形的神经网络预测[J];工业建筑;2006年S1期

【相似文献】

相关期刊论文前10条

1 吕刚,吴朝晖,杨莹春;支持向量机的聚类补偿研究[J];广西师范大学学报(自然科学版);2003年01期

2 黄发良,钟智;用于分类的支持向量机[J];广西师范学院学报(自然科学版);2004年03期

3 刘龙;黄海;孟光;;基于支持向量机的结构损伤分步识别研究[J];应用力学学报;2007年02期

4 唐小平;王文涛;;基于总间隔与代价差异算法的支持向量机[J];中南民族大学学报(自然科学版);2007年04期

5 朱海林;宋承祥;刘弘;何鲁青;;基于支持向量机的教学质量评价研究[J];山东师范大学学报(自然科学版);2008年04期

6 钟新辉;李少如;费逸伟;杨宏伟;;基于支持向量机的磨粒识别[J];数学的实践与认识;2008年05期

7 李威特;邓燕妮;;机理知识与支持向量机相结合的混合建模方法在胎面生产过程关键段的应用[J];科技信息(学术研究);2008年09期

8 王平;;基于支持向量机的空气降尘预测[J];科技情报开发与经济;2009年02期

9 李明;;改进的支持向量机算法及其在入侵检测中的应用[J];科技资讯;2009年13期

10 崔鹏飞;冀勇;李国霞;赵维娟;孙洪巍;李融武;赵青云;孙新民;赵文军;谢建忠;郭敏;高正耀;承焕生;杨勇;;基于支持向量机的古名瓷分类研究[J];河南师范大学学报(自然科学版);2009年02期