基于改进GA-SVR算法的隧道工程智能信息化设计研究

被引:4
作者
刘开云
乔春生
刘保国
机构
[1] 北京交通大学土木建筑工程学院
关键词
隧道工程; 支持向量回归; 遗传算法; 位移预报; 信息化设计;
D O I
暂无
中图分类号
U452.2 [设计];
学科分类号
0814 ; 081406 ;
摘要
传统的信息化设计在监测信息处理、信息的反馈分析及初步设计的信息化修正等方面存在不准确、不及时和难以操作的缺点。本文结合铜黄高速公路坞石隧道的施工,将一种改进的支持向量回归(SVR)算法引入隧道工程的信息化设计中。采用十进制遗传算法搜索改进的SVR参数,形成改进的GA-SVR算法,并编制相应的计算程序。坞石隧道的应用结果表明,这种改进的GA-SVR算法无论是对监测数据的拟合预测,还是监测信息的反馈分析都能做到准确快速,在反分析完成后采用改进的GA-SVR算法进行3个开挖步内的位移超前预报也具有较高的精度。最后提出一种基于此算法的初步设计最优化修正方法,形成以此算法为核心的完整的隧道工程信息化设计方法,具有快速、操作简单和计算准确的优点。该算法可以在隧道工程中使用。
引用
收藏
页码:71 / 78
页数:8
相关论文
共 9 条
[1]   边坡位移非线性时间序列采用支持向量机算法的智能建模与预测研究 [J].
刘开云 ;
乔春生 ;
滕文彦 .
岩土工程学报, 2004, (01) :57-61
[2]   位移反分析的进化支持向量机研究 [J].
赵洪波 ;
冯夏庭 .
岩石力学与工程学报, 2003, (10) :1618-1622
[3]   支持向量机函数拟合在边坡稳定性估计中的应用 [J].
赵洪波 ;
冯夏庭 .
岩石力学与工程学报, 2003, (02) :241-245
[4]   十进制遗传算法在水文地质参数识别中的应用 [J].
李竞生 ;
姚磊华 .
煤炭学报, 2001, (04) :341-345
[5]   Design of tunnel shotcrete-bolting support based on a support vector machine approach [J].
Liu, KY ;
Qiao, CS ;
Tian, SF .
INTERNATIONAL JOURNAL OF ROCK MECHANICS AND MINING SCIENCES, 2004, 41 (03) :510-511
[6]   Estimating mechanical rock mass parameters relating to the Three Gorges Project permanent shiplock using an intelligent displacement back analysis method [J].
Feng, XT ;
Zhang, ZQ ;
Sheng, Q .
INTERNATIONAL JOURNAL OF ROCK MECHANICS AND MINING SCIENCES, 2000, 37 (07) :1039-1054
[7]  
智能岩石力学导论.[M].冯夏庭著;.科学出版社.2000,
[8]  
人工神经网络与模拟进化计算.[M].阎平凡;张长水编著;.清华大学出版社.2000,
[9]  
现代优化计算方法.[M].邢文训;谢金星编著;.清华大学出版社.1999,