| 基于支持向量机回归的岩体变形模量预测 |
| |
| 引用本文： | 刘 超,唐锡彬,邓冬梅,孙自豪,姜耀飞,邓 姗.基于支持向量机回归的岩体变形模量预测[J].地质科技通报,2018,37(5):275-280. |
| |
| 作者姓名： | 刘 超 唐锡彬 邓冬梅 孙自豪 姜耀飞 邓 姗 |
| |
| 摘 要： | 岩体变形模量是表征岩体变形特性的最重要参数之一，其获取手段有室内试验与现场试验法、经 验 关 系 法、数 值 模 拟法、人工智能预测方法等。人工智能预测方法中常用的是神经网络方法，但神经网络易陷入局部极小值和过学习而导致低精度，支持向量机回归（ＳＶＲ）方法能有效地避免神经网络的以上缺陷，并在小样本、非线性预测方面具有较大优势，但目前 ＳＶＲ 应用于岩体变形模量预测的研究较少。以某水电站坝址区英安岩的试验数据为依托，采用灰色关联分析筛选出与变形模量最相关的纵波波速作为输入变量。在此基础上，以３个国内的水电站为例，分别建立相应的以实测纵波波速作为输入变量的粒子群算法优化－支持向量机回归（ＰＳＯ－ＳＶＲ）变形模量预测模型，同时，通过与 ＢＰ神经网络（ＢＰ－ＮＮ）、ＲＢＦ神经网络（ＲＢＦ－ＮＮ）２种预测方法进行对比，对比分析表明ＳＶＲ模型具有更高的预测精度，预测效果较好，说明 ＰＳＯ－ＳＶＲ方法更适用于岩体变形模量预测。
|
|
| 点击此处可从《地质科技通报》浏览原始摘要信息 |
|
点击此处可从《地质科技通报》下载全文 |
|
