基于ACO-SVM的桥梁基础群桩轴力预测

被引：3

作者：

黄伟杰 ^{[1
]}

吴叶 ^{[2
]}

陈志坚 ^{[1
]}

俞俊平 ^{[1
]}

机构：

[1] 河海大学地球科学与工程学院

[2] 东南大学材料科学与工程学院

来源：

长江科学院院报 | 2016年 / 33卷 / 01期

关键词：

深水群桩基础; 支持向量机; 蚁群算法; 轴力预测; ACO-SVM模型;

D O I：

暂无

中图分类号：

U443.15 [桩基];

学科分类号：

摘要：

由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂非线性关系。利用在解决小样本、非线性、高维数方面具有很强能力的支持向量机,对苏通大桥群桩基础轴力实测数据进行分析,预测了一段时间内轴力的变化。并采用了蚁群算法(ACO)寻找模型最优参数,由此建立了ACO-SVM模型,避免了人为选择参数的盲目性。为方便对比,建立了传统SVM与RBF神经网络预测模型,对比了ACO-SVM,SVM,RBF这3个模型的预测结果。研究表明,与传统SVM,RBF的预测结果相比,ACO-SVM模型具有更高的可信度和预测精准度,且具有更强的泛化能力,在大型深水群桩基础的轴力预测中具有一定的工程应用价值。

引用

页码：121 / 125

页数：5

共 10 条

[1] 基于外因响应的滑坡位移预测模型研究
许霄霄
牛瑞卿
叶润青
王靖伟
[J]. 长江科学院院报, 2013, 30 (07) : 42 - 47
[2] 混凝土坝安全监控最小二乘支持向量机模型
肖浩波
谷艳昌
[J]. 长江科学院院报, 2013, 30 (05) : 34 - 37
[3] 未确知滤波法和灰色模型在大坝变形预测中的应用
李波
刘明军
张治军
[J]. 长江科学院院报, 2011, 28 (10) : 86 - 89
[4] 基于蚁群算法的支持向量机参数选择方法研究
庄严
白振林
许云峰
[J]. 计算机仿真, 2011, 28 (05) : 216 - 219
[5] 基于时间序列分析的滑坡位移预测模型研究
徐峰
汪洋
杜娟
叶疆
[J]. 岩石力学与工程学报, 2011, 30 (04) : 746 - 751
[6] Weapon target assignment problem satisfying expected damage probabilities based on ant colony algorithm[J]. Wang Yanxia, Qian Longjun, Guo Zhi & Ma Lifeng Coll. of Automation, Nanjing Univ. of Science and Technology, Nanjing 210094, P. R. China.Journal of Systems Engineering and Electronics. 2008(05)
[7] 边坡变形的灰色预测模型
蒋刚
林鲁生
刘祖德
王钊
[J]. 岩土力学, 2000, (03) : 244 - 246+251
[8] 非线性位移时间序列进化神经网络建模的适应性研究
张治强
冯夏庭
杨成祥
林韵梅
朱维申
[J]. 岩土力学, 1999, (04) : 19 - 24
[9] 人工神经网络理论研究进展
陈国良，韩文廷
[J]. 电子学报, 1996, (02) : 70 - 75
[10] Choosing Multiple Parameters for Support Vector Machines
Olivier Chapelle
Vladimir Vapnik
Olivier Bousquet
Sayan Mukherjee
[J]. Machine Learning, 2002, 46 : 131 - 159

← 1 →