节点文献

基于支持向量机回归的岩体变形模量预测

免费订阅

【作者】 刘超唐锡彬邓冬梅孙自豪姜耀飞邓姗

【Author】 Liu Chao;Tang Xibin;Deng Dongmei;Sun Zihao;Jiang Yaofei;Deng Shan;Guizhou Electric Power Design and Research Institute;Faculty of Engineering,China University of Geosciences(Wuhan);

【机构】 贵州电力设计研究院中国地质大学(武汉)工程学院

【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。

【基金】 建设部科技项目(2015-K2-008)
【所属期刊栏目】 技术与方法 (2018年05期)
  • 【DOI】10.19509/j.cnki.dzkq.2018.0538
  • 【分类号】TU45
  • 【被引频次】4
  • 【下载频次】210
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: