支持向量机优化组合模型在基坑变形预测中的应用研究

发布时间：2017-08-29 00:29

  本文关键词：支持向量机优化组合模型在基坑变形预测中的应用研究

  更多相关文章： 灰色系统 粒子群支持向量机 改进粒子群算法 组合模型 预测精度

【摘要】：随着城市的高速发展,深基坑工程也越来越多,为确保其施工安全,基坑变形监测与分析显得尤为重要。由于许多基坑开挖在人流较多、商业密集、承受荷载较大的区域,对其采取实时有效地监测,分析基坑以及周围建筑物的安全性能,并做出及时地预报,是避免事故发生的重要手段。而对基坑进行变形监测时,由于监测数据受地下水位、深层水平位移、侧土压力、温度等一系列不确定性因素的影响,并且这些因素存在着随机性以及相互间的复杂性,致使传统的模型已无法用确切的数学公式来描述基坑沉降量与这些因素间的定量关系。由于受条件限制,有时很难完整并精确的获取这些因素信息,因而采集的数据信息是较为匮乏且噪声误差影响较大。这种情况下,建立深基坑变形预测方面的组合变形分析与预报模型,来提高深基坑变形预测的精度已成为一个重要的课题。本文通过引入改进GM(1,1)、神经网络、最小二乘支持向量机(LSSVM)、粒子群优化算法(PSO)及其改进算法,结合地铁站基坑工程,对不同组合模型进行分析比较。本文研究内容有:(1)论述了神经网络、灰色系统的基本理论。分析了GM(1,1)模型的改进方法、神经网络建模机理、径向基函数(RBF)神经网络建模、初值修正改进法的公式推导,结合各模型的优缺点,探讨了神经网络及灰色系统的组合类型(串联式、并联式),并对各种组合方式的建模流程进行了详细论述,建立改进GM(1,1)灰色预测和径向基函数(RBF)神经网络融合模型(简称GM-RBF残差修正模型)。通过工程算例对该组合模型的可行性进行了分析,得出了组合模型是可行的且精度高于单一GM(1,1)模型及RBF神经网络模型的结论。(2)研究了LSSVM、PSO算法以及改进算法的基本理论。通过分析表明,LSSVM建模受惩罚因子c、核函数宽度系数?的影响较大,以及PSO算法存在着自身的缺陷。探讨了PSO算法的改进策略,主要介绍了调整惯性权重、收缩因子两种改进方案,结合改进后的PSO算法,建立基于混沌粒子群优化算法(CPSO)的LSSVM优化组合模型(简称CPSO-LSSVM)。通过实例分析,得到CPSO-LSSVM优化组合模型预测精度高于单一LSSVM模型的结论。(3)建立CPSO-LSSVM优化组合模型与GM-RBF残差修正模型的组合,即基于CPSO-LSSVM的GM-RBF残差修正组合模型,通过实例对该组合模型应用效果进行分析与讨论。然后将该模型应用于深基坑监测中,结果表明基于CPSO-LSSVM的GM-RBF残差修正组合模型对基坑变形预测的结果与改进的GM(1,1)、LSSVM以及CPSO-LSSVM模型结果相比,预测精度有显著提高。
【关键词】：灰色系统 粒子群支持向量机 改进粒子群算法 组合模型 预测精度
【学位授予单位】：桂林理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU753;TP18
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 研究背景及意义10-11
• 1.2 基坑变形预测方法的研究现状11-13
• 1.3 本文研究的主要内容13-14
• 1.4 本章小结14-15
• 第2章 基坑变形预测的基本原理概述15-25
• 2.1 剔除粗差及插补15-18
• 2.1.1 粗差15-16
• 2.1.2 探测粗差16-17
• 2.1.3 剔除粗差并插补17-18
• 2.2 RLG降噪理论18-20
• 2.2.1 小波去噪原理18-19
• 2.2.2 卡尔曼滤波原理19-20
• 2.2.3 RLG降噪方法建立20
• 2.3 本文所涉及模型的基本概述20-24
• 2.3.1 灰色系统20-21
• 2.3.2 神经网络概述21-22
• 2.3.3 支持向量机理论概述22-24
• 2.4 本章小结24-25
• 第3章 基于GM(1,1)的RBF神经网络残差修正组合模型25-50
• 3.1 GM(1,1)的 RBF 神经网络残差修正组合模型概述25-35
• 3.1.1 GM(1,1)模型25-30
• 3.1.2 神经网络30-35
• 3.2 灰色理论与神经网络组合模型分类35-43
• 3.2.1 串联式组合模型35-37
• 3.2.2 并联式组合模型37-43
• 3.3 GM-RBF残差修正串联式组合模型建立43-47
• 3.3.1 建模合理性分析43-44
• 3.3.2 建模的必要性44
• 3.3.3 模型建立44-46
• 3.3.4 模型精度评定46
• 3.3.5 GM-RBF残差修正组合模优势以及特点46-47
• 3.4 实例分析47-49
• 3.5 本章总结49-50
• 第4章 最小二乘支持向量机优化模型50-68
• 4.1 最小二乘支持向量机50-55
• 4.1.1 回归型支持向量机50-52
• 4.1.2 最小二乘支持向量机理论52-53
• 4.1.3 LSSVM建模53-54
• 4.1.4 LSSVM的优点54-55
• 4.2 PSO理论55-58
• 4.2.1 PSO算法概述55-56
• 4.2.2 PSO算法原理56-57
• 4.2.3 PSO算法实现步骤57-58
• 4.3 PSO算法的改进策略58-60
• 4.3.1 PSO算法面临的问题58
• 4.3.2 PSO算法几种改进策略58-60
• 4.4 基于改进的PSO优化LSSVM模型60-63
• 4.4.1 模型建立60-61
• 4.4.2 改进的PSO优化LSSVM可行性分析61-63
• 4.5 基于LSSVM的GM-RBF残差补偿组合模型63-67
• 4.5.1 GM(1,1)残差模型63-64
• 4.5.2 LSSVM的GM-RBF残差补偿组合模型64-65
• 4.5.3 实例分析65-67
• 4.6 本章小结67-68
• 第5章 组合模型在基坑变形预测中的应用68-79
• 5.1 工程概况68-69
• 5.2 组合模型预报结果对比分析69-78
• 5.2.1 组合模型与传统单一模型预测对比分析69-74
• 5.2.2 各组合模型预测对比分析74-78
• 5.3 本章小结78-79
• 第6章 结论与展望79-81
• 6.1 主要工作及总结79-80
• 6.2 展望80-81
• 参考文献81-85
• 申请学位期间的研究成果及发表学术论文85-87
• 致谢87

【相似文献】

中国期刊全文数据库 前10条

1 李云安,钟玉芳,张鸿昌;影响基坑变形的实质性状态变量分析[J];地质与勘探;2000年02期

2 朱玉平,黄涛;基坑变形的灰色模拟与预测[J];广东土木与建筑;2000年04期

3 张伟丽,陈爱云,李霞;灰色系统理论在基坑变形预测中的应用[J];莱阳农学院学报;2003年01期

4 朱瑞钧,王杰光,齐干;杭州某商业楼基坑变形分析[J];重庆建筑大学学报;2004年02期

5 王平卫;彭振斌;何忠明;;基于灰色理论的基坑变形预测[J];地质与勘探;2006年06期

6 宋建学;郑仪;王原嵩;;基坑变形监测及预警技术[J];岩土工程学报;2006年S1期

7 臧秀平;刘升宽;冯堂武;;墙土摩擦对基坑变形影响的模拟和分析[J];岩土力学;2006年S1期

8 白保华;;基坑坑内加固对基坑变形影响分析[J];山西建筑;2007年04期

9 王华锋;王明龙;王晓东;;地基加固在控制基坑变形中的应用[J];山西建筑;2007年06期

10 刘登攀;刘国彬;;邻近建筑物对某基坑变形影响的分析[J];岩土工程技术;2007年01期

中国重要会议论文全文数据库 前10条

1 侯学渊;刘国彬;;基坑变形估算[A];海峡两岸土力学及基础工程地工技术学术研讨会论文集[C];1994年

2 张校亮;;如皋凌云新天地基坑变形监测与分析[A];第九届长三角科技论坛（测绘分论坛）论文集[C];2012年

3 周辉;周爱兆;;坑底工程桩加固效应对基坑变形的影响分析[A];第20届全国结构工程学术会议论文集（第Ⅱ册）[C];2011年

4 詹志勇;;基坑变形分析和周围地面沉降的预测[A];第十七届华东六省一市建筑施工技术交流会论文集[C];2008年

5 吴学萍;;某住宅小区地下水泵站基坑变形监测分析[A];2011年全国工程地质学术年会论文集[C];2011年

6 尹小涛;葛修润;李春光;王水林;;开挖步及其厚度对基坑变形破坏的影响研究[A];第2届全国工程安全与防护学术会议论文集（上册）[C];2010年

7 李莉;陈鹏宇;段新胜;;基坑变形预测的灰色二次优化模型[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

8 郑加柱;光辉;;顾及开挖深度的卡尔曼滤波模型在基坑变形分析中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 刘汉东;杨继红;;GM(1,1)优化模型在基坑变形预测中的应用[A];全国城市地下空间学术交流会论文集[C];2004年

10 刘红军;于雅琼;王秀海;;土岩组合地层旋喷桩止水桩锚支护基坑变形与受力数值分析[A];第十二次全国岩石力学与工程学术大会会议论文摘要集[C];2012年

中国博士学位论文全文数据库 前1条

1 包旭范;软土地基超大型基坑变形控制方法研究[D];西南交通大学;2008年

中国硕士学位论文全文数据库 前10条

1 罗江花;广州某地铁站基坑变形预测分析[D];华南理工大学;2015年

2 胡伟;考虑基底桩基影响的桩锚基坑变形研究[D];湖北工业大学;2015年

3 吴兵;考虑空间效应的基坑变形数值分析[D];南昌航空大学;2015年

4 王彦君;附加约束条件的DLT在基坑变形监测中的应用研究[D];合肥工业大学;2015年

5 王珊;一重集团大连设计研究院有限公司研发大楼基坑变形研究[D];辽宁师范大学;2015年

6 刘雪剑;融合神经元网络与建模分析的基坑变形预测研究[D];北京交通大学;2016年

7 唐艳姣;成都地铁锦江站的基坑变形预测研究[D];西南交通大学;2016年

8 刘关虎;加筋水泥土桩锚支护基坑变形规律研究[D];北京交通大学;2016年

9 雷崇;杭州地区坑底软弱土对基坑变形的影响研究[D];浙江大学;2016年

10 高红;支持向量机优化组合模型在基坑变形预测中的应用研究[D];桂林理工大学;2016年

，

本文编号：750371