共查询到19条相似文献，搜索用时 156 毫秒
1.
基于PSO和LSSVM的边坡稳定性评价方法 总被引：5，自引：0，他引：5
提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。 相似文献
2.
《岩土力学》2020,(Z1)
地应力场是煤矿深部巷道开挖支护设计的基础数据。针对煤矿深部地层地应力实测值有较大随机误差的特点,提出基于支持向量回归(SVR)优化算法的地应力场反演方法。该方法以特征向量结构风险最小化为原则,将经验风险和置信范围最小化,减小实测地应力随机误差对参数反演的干扰。基于平煤一矿地质及地应力实测资料,建立三维有限元计算模型,引入侧压力系数,使用均匀设计表试验设计方法构造应力边界条件。根据计算分析结果建立学习样本,进而通过支持向量回归算法对边界条件参数进行优化,确定最佳应力边界条件,施加到模型上计算分析得到整个模型的地应力场。地应力测点反演值与实测值对比分析结果表明,反演值与实测值误差在合理范围,反演值比实测值随机性更小;反演地应力场分布规律与平顶山矿区地应力场分布规律一致;反演结果准确可靠。 相似文献
3.
为更好地解决支持向量机(SVM)核参数和惩罚因子的取值对煤层底板突水量等级预测精度的影响问题,提出利用全局搜索能力较强的粒子群优化(PSO)算法优化支持向量机参数。选取含水层水压、隔水层厚度、岩溶发育程度、断层规模等作为影响煤层底板突水量等级的因素,利用华北聚煤区煤层底板突水的实测数据进行训练,建立了煤层底板突水量等级预测的粒子群-支持向量机(PSO-SVM)模型,并将其应用于其他样本的预测。应用表明:模型能够较好地解决煤层底板突水量等级预测中存在的小样本、非线性等问题,预测结果与实际情况吻合程度高,具有较强的实用性和有效性。 相似文献
4.
最小二乘支持向量机方法(LSSVM)在处理小样本、高维数、非线性的问题时,具有求解速度快、易于描述非线性关系的优良特性。但是,该方法得到的模型拟合精度和泛化能力依赖于其相关参数,因此,提出基于粒子群优化算法(PSO)的LSSVM参数优选方法。最后,用该模型对巷道围岩松动圈进行了预测研究。结果表明,PSO优化的LSSVM模型具有收敛速度快、计算精度高的特点,说明该模型是合理、有效的。 相似文献
5.
进化-最小二乘支持向量机的边坡稳定性估计 总被引：1，自引：0，他引：1
针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。 相似文献
6.
高堆石坝瞬变-流变参数三维全过程联合反演方法及变形预测 总被引：1，自引：0，他引：1
利用反演分析得到的参数进行高面板坝的应力、变形分析来预测长期变形。由于堆石坝的施工过程和变形机制比较复杂,很难将瞬时变形和流变变形分开,因此,有必要对静力本构模型参数和流变模型参数进行综合反演。利用实测位移资料,以对堆石坝变形较敏感的静力本构模型和流变模型参数为待反演参数,采用基于粒子迁徙的粒子群算法和径向基函数神经网络构建参数反演平台,该方法克服了粒子群算法易陷入局部最优和早熟收敛的缺点,采用经过训练的神经网络来描述模型参数和位移之间的映射关系,节省了参数反演的计算时间。对水布垭高面板坝的反演结果表明,基于反演参数的沉降计算值与实测值吻合得很好,坝体变形在合理范围以内并趋于稳定。 相似文献
7.
基于灰色最小二乘支持向量机的边坡位移预测 总被引：1，自引：0，他引：1
利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。 相似文献
8.
岩溶地下河日流量预测的小样本非线性时问序列模型 总被引：2，自引：0，他引：2
针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地... 相似文献
9.
10.
滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型。以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性。 相似文献
11.
大型地下洞室考虑开挖卸荷效应的位移反分析 总被引：3，自引：1，他引：2
基于现场监测资料的位移反分析是地下工程动态监控、信息化施工的重要组成部分。以乌江彭水水电站大型地下厂房（开挖跨度为30 m,高度为78.5 m）为例,从围岩实测位移出发,建立了基于均匀设计－神经网络－遗传算法的围岩力学参数的系统反分析方法,反演考虑开挖卸荷效应的围岩力学参数。根据数值分析结果形成训练样本,利用BP人工神经网络映射围岩的变形与力学参数的关系,同时针对传统人工神经网络存在初始权值难以确定的问题,应用遗传算法优化神经网络的初始权值;利用现场监测的增量变形反演了围岩的力学参数;最后利用反演出的参数,进行地下厂房开挖预测分析。结果表明,预测位移与现场监测位移较为接近,进行统计检验结果为优,说明该参数反演方法是正确合理的。 相似文献
12.
隧洞围岩损失位移估计的智能优化反分析 总被引：1，自引：0，他引：1
隧洞开挖过程中围岩监测断面的布置一般滞后于掌子面开挖,监测断面布置前围岩已发生的位移称为损失位移。采用优化反分析思路求取损失位移,该思路将损失位移的求解转化为以实测位移与计算位移的误差作为目标函数、岩体力学参数作为决策变量的全局优化反分析问题。针对该全局优化反分析问题是一类高度非线性多峰值且计算代价较高的优化问题,将性能优异的粒子群优化算法与高斯过程机器学习方法相融合,结合FLAC3D数值计算程序,提出隧洞围岩损失位移优化反分析的粒子群-高斯过程-FLAC3D智能协同优化方法。算例研究表明,该方法是可行的,不仅能获得可靠的损失位移预测结果,而且可获取合理的围岩计算模型力学参数,具有全局性好、计算效率高的特点,克服了传统优化反分析方法容易陷入局部最优或过于依赖初始学习样本的局限性。将该方法应用到锦屏二级水电站辅助洞BK14+599断面的损失位移反分析,获得了该断面围岩的损失位移和力学参数,其中,损失位移较大,原因在于岩体开挖后在短时间内弹性变形大。因此,对于地下工程,特别是深部地下岩体工程,在围岩稳定性评价与围岩参数反分析中,损失位移不可忽视,应给予足够重视。 相似文献
13.
基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究 总被引：1，自引：0，他引：1
广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。 相似文献
14.
基于一种改进的支持向量机（?－SVR）和改进的遗传算法（GA）,提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用?－SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用?－SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于?－SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。 相似文献
15.
针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。 相似文献
16.
把模式搜索嵌入目前广为应用的遗传算法中,使之和神经网络有机结合,提出了搜索—遗传—神经网络算法。该方法用经过最佳预测学习算法训练的神经网络来表达粘弹性岩体力学参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间。结合某工程实例,验证了该方法在粘弹性岩体力学参数反演中的优越性。 相似文献
17.
拉西瓦水电站地下厂房三维高地应力反演分析 总被引：5，自引：1，他引：4
拉西瓦水电站厂房地处峡谷山高坡陡,河谷狭窄,区域地应力场较高,局部存在构造破碎带,同时开挖尺寸规模巨大,围岩主要为脆硬的花岗岩,对洞室稳定极为不利。为了评判开挖后围岩的稳定及支护设计的长期安全,需要对围岩的岩体力学参数和初始应力场进行反演确定。首先,利用现场初始地应力的实测值反演大范围内的岩体构造地应力场分布,然后,利用洞室分层开挖扰动下,厂房上部关键点实测位移检验并修正反分析地应力结果,得到了较为准确的三维地应力分布,为后续地下厂房开挖围岩的稳定性及支护设计和长期安全的评价与预测,提供了基础数据,有效地指导了厂房开挖施工。厂房开挖完成后的围岩位移的实际监测结果与采用反演地应力场与岩体参数得到的厂房围岩位移值的一致性表明,地应力场反演结果与实际地应力值一致。 相似文献
18.
复合式衬砌结构中衬砌分担围岩压力的评价方法是隧道工程技术的重要研究课题之一。依托某新建铁路隧道工程,提出了一种基于监测位移反分析评价围岩和支护应力,进而计算初期支护和衬砌背后压力的方法。根据监测位移和衬砌施作时间,确定初期支护的已发生变形和剩余变形。通过有限元反分析求出与已发生变形和剩余变形相对应的围岩和支护应力,得到初期支护和衬砌背后压力。对比初期支护背后压力及衬砌背后压力的现场监测和反分析的计算结果,两者比较一致,说明了该方法的可行性。该新建隧道初期支护闭合95 d后施作衬砌,计算得到衬砌背后压力约0.04～0.06 MPa,衬砌分担围岩压力比例约13%～16%。研究成果对复合式衬砌结构的设计具有一定的参考意义。 相似文献
19.
将地下洞室爆破开挖松动区视为一个随开挖过程演变的非均匀、非稳定三维扰动场,松动区内岩体力学参数则是一个具有时空演化特性的参数场。考虑爆破开挖扰动空间效应和岩体真实变形响应,提出了真实工作状态下开挖松动区岩体参数场辨识的位移反分析方法。基于局部监测变形空间插补得到的空间位移场,通过分析洞室爆破开挖围岩变形扰动机制,建立了开挖松动区岩体变形模量参数场数值演化模型,并进行了模型适用性和参数敏感性分析。在此基础上,以变形模量参数为例,结合围岩实测位移信息,提出了开挖松动区参数场位移反分析的动态实现过程。将该方法应用于溪洛渡地下洞室群施工期参数场反演和围岩稳定动态反馈评价及预测,结果表明,该方法合理有效,在大型地下洞群施工开挖与快速监测反馈方面具有显著的工程适用性及实用性。 相似文献