| 摘 要： | 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。
|
