基于GA-SVM的隧道围岩分类研究

隧道工程围岩的类别是评价隧道工程地质条件的一个综合性量化指标,是进行隧道工程建设的基础。为快速、有效地判别围岩类型,提出了将因子分析(FA)与改进的支持向量机(GA-SVM)相结合的隧洞围岩分类模型。首先,根据岩体岩性、地质构造、岩体结构等特性,选取岩石质量指标、完整性系数、单轴饱和抗压强度、纵波波速、弹性抗力系数和结构面摩擦系数6个指标作为隧洞围岩分类的初始判别指标。其次,采用因子分析理论对原始指标变量进行属性约简,提取了公共因子,减少了判别指标之间信息冗余。最后,利用遗传算法(GA)优化支持向量机(SVM)的惩罚因子C和核函数参数σ,并将提取出的公共因子作为GA-SVM模型的输入变量,建立了基于因子分析的GA-SVM隧洞围岩分类模型。将现场勘测的29组围岩数据作为训练数据,另用7组数据作为测试数据,同时将该模型分类结果与SVM、BPNN、FDA模型分类结果进行了对比。结果表明:因子分析可以有效地提取围岩分类指标,降低指标间信息重复度;利用GA优化参数可以提高SVM模型的精度与泛化能力;用该模型预测隧洞围岩的类别与实际分类相吻合,其错误预测率为0,研究成果可为隧洞围岩快速分类提供一种新思路。