基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

基于遗传算法优化支持向量机的再生混凝土抗压强度预测模型

针对再生混凝土抗压强度预测问题,提出了一种基于遗传算法优化支持向量机(GA-SVM)的抗压强度预测模型。利用遗传算法对SVM的参数进行优化,并得到优化的SVM预测模型。仿真试验结果表明:与BP神经网络和传统SVM的预测结果相比,基于遗传算法优化支持向量机模型的预测精度更高。     

基于支持向量机的气压辅助掘进条件下盾构隧道地表变形预测研究

与常规土压平衡盾构掘进相比,气压辅助掘进条件下的地表变形过程更为复杂。为提高预测模型的工程适应性,准确预测气压辅助条件下的地表变形量,保障该条件下盾构顺利掘进,引入支持向量机(SVM)理论,利用粒子群算法(PSO)对支持向量机的超参数组合进行优化;同时,优化模型输入参数,将隧道上覆黏土层厚度和气压值设为输入参数,并针对上覆非均质土层改进模型参数计算方法,建立适用于气压辅助掘进的PSO-SVM地表变形预测模型。为验证预测模型的准确性和实用性,以广州地铁18号线陇枕出入场线某一区间为例,使用优化了输入参数的模型进行预测,并在此基础上,综合采用PSO-SVM、SVM和PSO-BP3种模型进行地表变形预测分析。结果表明:1)针对气压辅助掘进工法优化输入参数的PSO-SVM模型可以较好地满足工程需要;2)PSO-SVM模型的适应性显著高于PSO-BP和SVM模型,具有较好的工程适用性。     

PSO-SVM反演隧道周围加固软土的力学参数

传统获取土体物理力学参数的试验方法受土体扰动、仪器及人员操作影响,得到的结果往往较离散。研究基于统计学习理论的支持向量机(SVM)改进方法,通过使用搜索效率高的仿生学算法——微粒群算法(PSO)对支持向量机参数进行优化,提高支持向量机的预测精度,并结合三维有限元数值模拟分析,得到一种新的可快速获取参数指标的反演计算模型。从而达到在统计样本量较少的情况下,也能获得很好预测结果的目的。以实际隧道施工过程中地表沉降监测数据为依据,对隧道周围泥炭质土及黏土层加固后的压缩模量采用POS-SVM进行反演,将反演值代入三维有限元模型计算地表沉降,并对实际监测、三维有限元模型计算及Peck公式计算的地表沉降值进行对比分析。发现在布设的28个地表沉降监测点中,实际监测及模型计算结果间差异很小,一半的点之间差异小于10%,有几个点稍大,但最大也仅是18.8%。监测与模型计算结果吻合较好,沉降规律也一致。而Peck公式计算的值大部分偏大,计算沉降与实际监测的规律也不一致。以上研究结果表明,采用PSO-SVM反演岩土力学参数的方法是合理可行的,对今后设计及施工所需岩土力学参数的确定及校核提供了一种新的分析方法。     

基于ARIMA和SVM模型的沥青路面使用性能预测比较

通过构建时间序列ARIMA和支持向量机(SVM)模型对沥青路面的PCI值进行预测,并比较两种模型的预测结果,建立适宜的沥青路面使用性能预测模型。分别采用线性核、多项式核、径向基核和Sigmoid核函数构建SVM模型,根据十字交叉验证(Cross-Validation)方法确定核函数及其参数,对比不同核函数的PCI值预测误差精度。最后利用选取的多项式核函数SVM算法预测广东省普通国省道沥青路面使用性能。结果表明：采用多项式核、径向基核函数SVM算法的预测结果较ARIMA模型预测结果精度高。SVM算法中核函数对预测结果影响显著,4种核函数SVM预测模型中,基于多项式核函数模型预测精度最高,其预测沥青路面使用性能的平均绝对百分误差(MAPE)在1%以下,其次为径向基核函数,而Sigmoid核函数预测精度最低。采用线性核函数SVM算法预测结果与ARIMA模型预测结果接近,预测精度满足要求。     

基于混沌SVM与BP神经网络预测材料价格指数

为了解决工程造价指数难以预测非线性结构、数据拟合难度大、预测模型参数求解过于固定化、预测模型可靠性不高等问题,文中在混沌时间序列理论的基础上,结合机器学习算法支持向量机(SVM)技术和BP神经网络算法,提出混沌SVM与BP神经网络组合预测模型。实例研究证明,该组合预测模型的精度比SVM预测模型、混沌SVM预测模型、BP神经网络预测模型和GM(1,1)预测模型的高,具有拟合非线性和预测线性波动的能力,可用于工程造价指数预测。     

高速公路连拱隧道施工变形预测的GA-SVR智能模型研究

基于连拱隧道支护结构繁多,施工工序复杂,同时由于施工影响,现场监测数据较少且数据误差较大,造成传统方法很难用于连拱隧道的施工变形预测。针对于此,支持向量回归（SVR）算法可以任意精度逼近任意函数,与神经网络相比具有小样本、全局优化和泛化性能好的优点。本文结合铜黄高速公路富溪连拱隧道的施工变形监测,采用遗传算法来优化支持向量回归算法的模型参数,形成GA-SVR算法,建立起了连拱隧道变形预测的GA-SVR智能模型。采用此模型对富溪隧道后继开挖的监测时间点进行变形预测,并与GA-BP模型对比可以看出本文所建立的GA-SVR智能模型具有极高的预测精度,完全可用于连拱隧道施工期的变形预测,也为类似工程提供了借鉴。     

基于数据增强和机器学习算法的盾构隧道引发地面沉降预测及应用

为解决地铁盾构隧道施工引起的地表沉降预测过程中数据样本不足、对数据预处理较为粗糙的问题，选取北京地区32个地铁盾构隧道施工引起的地面沉降数据作为数据库，采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)算法对数据库进行扩增，并在此基础上选取BP神经网络(back propagation, BP)、随机森林(random forest, RF)、支持向量机(support vector machine, SVM)和K近邻(K-nearest neighbor, KNN)4种机器学习模型对沉降进行预测分析。分析结果表明： 1）经过预处理后的数据集预测能力显著增强，其中，KNN模型表现最佳，测试集平均绝对误差仅为1.60 mm； 2）采用KNN模型对北京轨道交通12号线西坝河—三元桥区间地层沉降进行预测，基于该模型预测值的Peck公式与实测值拟合度较高； 3）基于数据增强下的KNN模型对于盾构施工引起的地面沉降变形有良好的预测效果。     

最小二乘支持向量机在隧道围岩变形预测中的应用

针对基于标准型支持向量机(Vapnik SVM)的岩体变形预测方法计算复杂度大、应用不便的缺点,提出一种基于最小二乘支持向量机的围岩变形预测方法.该方法结合开挖岩体具有高度不确定性的特点,将其作为一个时变系统考虑,首先采用滑动时窗方式选取学习样本,然后利用获得的样本训练最小二乘支持向量机预测模型.利用这种方法对雪家庄隧道围岩变形进行预测,分析结果表明,该方法具有较高的预测精度,是一种简单可行的变形预测方法.     

基于PCA-SVM的边坡稳定性预测模型研究

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的边坡稳定性预测模型。首先分析了影响边坡稳定性的因素,采用主成分分析方法求取主成分;再将主成分作为输入对支持向量机进行训练,并利用遗传算法优化支持向量机参数;最后通过实例与常用寻参方法所得结果进行比较。结果表明,该法能减少输入变量维数,提高了边坡工程稳定性的预测精度。     

利用DGM（1，1）模型模拟公路隧道围岩收敛变形的研究

在公路隧道新奥法设计和施工中,精确模拟预测隧道围岩收敛位移对于合理提供公路隧道设计与施工参数具有重要的意义。结合朱洋公路隧道围岩收敛变形数据的模拟,对DGM（1,1）模型在工程中的适用性进行了研究。经计算发现,有必要根据数据的特点选择不同的灰色模型来模拟;在隧道围岩收敛数据接近全指数增长时,用DGM（1,1）模型能够更精确地模拟隧道围岩收敛数据。结论对于公路隧道信息化设计和施工具有参考意义。     

兰渝铁路两水隧道高地应力软岩大变形控制技术

兰渝铁路两水隧道地质条件极为复杂,洞身围岩为千枚岩及炭质千枚岩,属极软岩,受高地应力影响,施工时发生了挤压性大变形,变形和破坏极为严重。以现场测试和理论分析为手段,结合隧道变形特征,探索和研究了适合两水隧道的软岩变形控制技术,并得出以下结论:1)软岩隧道的变形特性及稳定性(塑性区)取决于地应力、围岩的力学特性、开挖断面等,且与围岩的支护条件密切相关;2)通过采用加大预留变形量、加大支护刚度、多重支护,优化施工方法、适时施作二次衬砌等手段有效地控制了大变形,较好地解决了两水隧道高地应力软岩施工问题。在此基础上,提出了软岩隧道大变形分级标准及其对应的支护参数。     

片理化非均质大跨径隧道围岩稳定性分析与支护优化研究

以某高速公路大跨径隧道为例,应用有限元软件MIDAS/Gen模拟两种围岩条件下采用台阶法施工的隧道开挖支护情况.模拟结果表明对处于Ⅲ级与Ⅳ级之间的隧道围岩,当为片理化非均质岩体,且上台阶围岩质量比下台阶好时,水平和竖向位移较大区域均集中于隧道底部,且变形超过了规范允许值,宜采用Ⅳ（A）级围岩支护设计进行施工,但钢拱架间距可放稀至100 cm;当非均质岩体上下台阶围岩质量均较好时,其最大水平位移较小,竖向位移最大值发生在拱顶,且在相关规范允许范围内,可按Ⅳ（A）级围岩进行支护,但可取消仰拱,实现对支护设计的优化.     

蒙华铁路三荆段深埋软弱围岩隧道荷载研究

《铁路隧道设计规范》中的深埋围岩压力公式没有考虑隧道拱部围岩本身的承载作用以及超前预支护作用,荷载计算结果偏大。为验证深埋隧道初期支护结构实际承受的围岩压力荷载,以蒙华铁路三门峡至荆门段现场监测数据为依托,通过分析围岩变形监测资料,探讨蒙华铁路隧道围岩及结构在隧道开挖过程中的变形行为,并采用拱顶沉降与水平收敛相结合的位移反分析法,建立荷载-结构法平面有限元模型,反演推导围岩压力荷载。分析结果表明:双线隧道反分析得出的围岩荷载为同级别按规范计算值的70.7%~76.5%;单线隧道反分析得出的围岩荷载为同级别按规范计算值的88.8%~93.1%。研究成果对蒙华铁路隧道现场施工和优化支护结构设计起到了很好的指导作用,希望能对以后类似隧道工程的设计和施工提供参考。     

尺寸效应对节理化岩体硐室开挖稳定性的影响分析

为了研究不同开挖尺寸和围岩节理组倾角对隧道开挖变形稳定的影响,应用UDEC程序,通过一些假设,设定计算域内包含有水平垂直节理组(0°-90°)和倾斜节理组(45°-135°)2种计算情况,对硐室不同开挖尺寸下围岩的变形稳定情况进行数值模拟。结果表明:1)水平垂直节理组岩体中围岩变形随硐室开挖尺寸增大先缓慢增加,后呈指数形式急剧增加且失稳,围岩失稳表现为贯穿地表的拱部上方岩体整体塌落;2)倾斜节理组岩体中围岩变形随硐室开挖尺寸增大先缓慢增加,后急剧增大且失稳,围岩失稳表现为拱部围岩局部塌落;3)倾斜节理组岩体中硐室开挖后变形比相应水平垂直节理组的要大。     

注浆压力作用下隧道围岩变形规律与安全控制

注浆是隧道围岩加固与涌水封堵的主要技术手段,当围岩较为破碎且自稳能力较差时,注浆过程中若采取了不合适的注浆压力,极易造成围岩大变形甚至塌方等次生灾害。基于渗流-应力耦合理论,选取典型隧道开挖断面,建立注浆作用下渗流场与应力场数学模型,运用COMSOL多物理场耦合软件分析注浆过程中注浆压力作用下隧道围岩的变形规律。结果表明,围岩等级为Ⅴ时,注浆过程中注浆压力不断向隧道周围地层中扩散与传递,渗流场、应力场分布随注浆孔深度增加呈现衰减趋势; 随着注浆压力的提高,应力发生急剧变化,并不断地向围岩深部转移; 注浆初期,围岩变形速率急剧上升,注浆后期围岩变形速率下降,且变形量趋于稳定。依托具体工程实例,提出了合理选择注浆压力的控制技术,保证了围岩的稳定和安全。     

冰水堆积体隧道注浆圈厚度与初期支护受力特性研究

为解决不良地质软弱围岩造成隧道失稳、软弱围岩注浆参数不确定,以及米林隧道冰水堆积体围岩注浆厚度对支护力安全性造成影响等问题,基于三维有限元FLAC3D模拟软件,建立不同注浆厚度的隧道围岩模型,得到注浆后的围岩特征曲线,通过允许变形量确定了不同注浆厚度对应的允许支护力。基于此,进一步探讨围岩不同注浆厚度下,采用上下台阶法并打设锁脚锚杆对初期支护结构的影响,并计算得到断面每个位置初期支护的安全系数。结果表明： 1）注浆圈厚度越大,基于允许变形的允许支护力越小; 且围岩条件越差,相同注浆厚度对应的允许支护力越大; 故米林隧道冰水堆积体段Ⅳ1、Ⅴ1和Ⅵ级围岩的合理注浆圈厚度建议分别取3.5、3.5、5.0 m。2）随着注浆圈厚度的增大,各级围岩各个位置对应的初期支护安全系数增大。3）初期支护安全系数一般在拱肩、拱顶和拱底较大,在拱腰和拱脚位置最小。     

极高地应力区隧道地质特征及围岩变形机制研究

以某在建高速铁路隧道作为工程实例,结合地质情况,从初始应力、岩体结构和地下水分析了影响围岩的因素。运用理论分析和现场监控量测反馈结果等综合方法,从监控量测数据时态曲线特征、方向性、累计变化量、变形速率、时效性、现场围岩变形情况、隧道施工影响、变形段变形差异性等方面系统分析了极高地应力区隧道围岩变形特征及机制,并得出如下主要结论:1)极高地应力区围岩应力释放有一定的过程,不同的围岩应力释放的速度可能不同,爆破对围岩产生扰动,将一定程度加速围岩应力的释放。2)围岩地质条件不同,变形规律会表现出一定的差异性。3)围岩的变形机制,层状围岩的变形破坏一般形成几个区域:破坏区,崩塌,滑动滑移,张裂、弯曲及折断。4)本隧道围岩变形特征主要是由极高地应力和岩体结构综合决定的,隧道初期支护变形情况一定程度上是隧道围岩变形特征的有效反映。     

大断面软岩隧道变形特征及多层初支控制研究

以连城山大断面软岩隧道工程为依托,基于施工监测数据,对比分析了单层I22b钢拱架初期支护、单层H20b型钢拱架初期支护、双层I22b工字钢拱架初期支护和双层H20b型钢拱架初期支护4种支护方案下围岩的变形规律与支护的受力特征。结果表明,单层和双层I22b钢拱架初期支护均不能控制隧道的大变形,而双层H20b型钢拱架初期支护可以控制隧道围岩变形。采用数值软件进一步比较了4种支护措施对于控制围岩变形的有效性,计算结果表明,I22b钢拱架的支护控制围岩变形的效果明显较差,尤其是单层I22b钢拱架的支护方案条件下围岩发生了较大的变形。采用双层初期支护的方案后围岩变形分布更均匀,支护结构与围岩协同变形。研究结果可为类似工程的设计与施工提供一定的参考。     

基于递进复合式组合预测模型的软岩隧道大变形预测研究

为实现对隧道大变形发展趋势的判断,达到优化现场施工,避免出现施工安全问题的目的,采用LS-SVM和优化GM(1,1)模型对隧道变形进行预测,并以误差平方和为指标,将两者的预测结果进行组合,再进一步利用BP神经网络对前者的预测误差进行修正,以实现综合预测。通过实例检验,得到最小二乘法对支持向量机的优化效果要优于对灰色模型的优化效果,且误差修正模型能进一步有效地提高预测精度,使预测值与实测值更为接近;同时,通过本文的预测结果,得到后4个周期的变形仍具有持续变形的趋势,应采取有效措施,避免工程事故的发生。本文预测模型具有较好的预测精度及适用性,对隧道大变形研究具有一定的参考意义。