基于LS-SVM 的基坑周边地表沉降预测模型.pdfVIP

2013 年第18 卷第4 期 学报 Journal of Nanning Polytechnic 2013 Vol. 18 No.4 基于LS-SVM 的基坑周边地表 沉降预测模型 李宏辉 [ 1 ，2 ] （1.郑州市公路管理局，河南 郑州 450015 ；2.河南工业大学，河南 郑州 450001） [摘 要]针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题，以已有的 周边地表沉降为样本，利用最小二乘支持向量机（LS-SVM）建立基坑地表沉降预测模型，应用网格搜索算法优化 模型参数，对基坑周边地表沉降进行连续滚动的多步预测。实例结果表明，LS-SVM 用于基坑周边地表沉降预测 效果较好，具有所需数据少、推广能力强等优点。 [关键词]基坑；基坑周边地表沉降；最小二乘支持向量机；时间序列；预测 [中图分类号：TU443 [文献标识码]A [文章编号]1009-3621 （2013）04-0089-04 表沉降预测模型，应用网格搜索算法优化模型参 1. 引言 数，结合某基坑的周边地表沉降时间序列，对地表 沉降进行预测。 随着城市地下空间的开发和高层建筑的大量 建设，深基坑工程数量不断增加，其规模和深度也 2. 基于LS-SVM 的基坑变形时间序列 在不断增加。城市中的深基坑工程往往施工场地狭 预测模型 窄，有些工程的基础甚至与既有建筑物或构筑物的 基础紧邻。因此，在基坑施工过程中，预估和控制基 2.1 LS-SVM 基本原理 坑周围地表沉降以及对周围环境的影响始终是基 对于一个给定的训练数据集（x ，y ），i=1，2 …， i i 坑工程重要的研究课题之一。 l ，x ∈R ，y ∈R ，利用高维特征空间里线性函数（式 i n i 目前，神经网络智能方法已成功用于基坑地表 （1））来拟合样本集： 沉降列预测，文献[1]P385-396[2]P519-523 采用神经网络智能方 y （x）= wT Φ （x）+b （1） 法，通过训练大量样本和学习建立人工神经网络模 式中，w 为权向量；Φ （·）为非线性映射，将数 型进行基坑周边地表沉降预测。但因基坑施工前期 据集从输入空间映射到特征空间；b 为常数。 样本少，预测的精度较低。最小二乘支持向量机方 根据结构风险最小化原理，回归问题可表示为 [3]P293-300[4]P524 法（LS-SVM） 是标准支持向量机的一种扩 约束优化问题： 展，求解速度相对较快，能较好地解决小样本、非线