自然科学版 英文版
自然科学版 英文版
自然科学版 英文版

您目前所在的位置:首页 - 期刊简介 - 详细页面

中南大学学报(自然科学版)

Journal of Central South University

第43卷    第2期    总第210期    2012年2月

[PDF全文下载]    [Flash在线阅读]

    

文章编号:1672-7207(2012)02-0632-06
基于灰色关联支持向量机的地表沉降预测
谭鹏,曹平

(中南大学 资源与安全工程学院,湖南 长沙,410083)

摘 要: 基于隧道地表沉降是一个非常复杂的系统工程,受到多种高维非线性、随机性和有限样本等因素的影响,提出隧道地表沉降预测的灰色关联支持向量机分析方法。该方法基于灰色关联分析确定影响沉降量的主要因子,利用学习样本构建数值模型,并通过支持向量机学习建立沉降与随机变量之间的非线性映射关系。为避免人为选择参数的盲目性,采用模拟退火算法搜索支持向量机核函数和参数,进而对未来的变形进行预测。通过对工程实例样本进行学习和预测,并将误差结果与单一的支持向量机模型进行对比。研究结果表明:该方法科学可靠;可用于含有大量随机变量的隧道沉降分析。

 

关键字: 地表沉降;灰色关联;支持向量机;预测

Predicting surface settlement of tunnel using grey
relational-support vector machine
TAN Peng, CAO Ping

School of Resources and Safety Engineering, Central South University, Changsha 410083, China

Abstract:Based on the fact that surface settlement was a very complex system engineering, the geo-material was complex, fuzzy and nonlinear in geotechnical engineering, a new model based on grey system was presented, grey relational was used to find the key components. The kernel function and penalty factor was determined by simulated annealing. The nonlinear relation between surface settlement and influencing factors was obtained from the key components by SVM model and the model was applied to the practical engineering. GR-SVM enhances the efficiency and the capability of forecasting. The results of experiment show that the model is valid and can be used to analysis tunnel settlement.

 

Key words: surface settlement; grey system; support vector machine (SVM); prediction

中南大学学报(自然科学版)
  ISSN 1672-7207
CN 43-1426/N
ZDXZAC
中南大学学报(英文版)
  ISSN 2095-2899
CN 43-1516/TB
JCSTFT
版权所有:《中南大学学报(自然科学版、英文版)》编辑部
地 址:湖南省长沙市中南大学 邮编: 410083
电 话: 0731-88879765(中) 88836963(英) 传真: 0731-88877727
电子邮箱:zngdxb@csu.edu.cn 湘ICP备09001153号