基于灰色联系支持向量机的地表沉降预测.pdfVIP

第 43卷第 2期 中南大学学报(自然科学版)  Vol.43  No.2  2012 年 2 月  Journal ofCentral South University(Scienceand Technology)  Feb. 2012  基于灰色关联支持向量机的地表沉降预测 谭鹏，曹平  (中南大学 资源与安全工程学院，湖南 长沙，410083)  摘要：基于隧道地表沉降是一个非常复杂的系统工程，受到多种高维非线性、随机性和有限样本等因素的影响， 提出隧道地表沉降预测的灰色关联支持向量机分析方法。该方法基于灰色关联分析确定影响沉降量的主要因子， 利用学习样本构建数值模型，并通过支持向量机学习建立沉降与随机变量之间的非线性映射关系。为避免人为选 择参数的盲目性，采用模拟退火算法搜索支持向量机核函数和参数，进而对未来的变形进行预测。通过对工程实 例样本进行学习和预测，并将误差结果与单一的支持向量机模型进行对比。研究结果表明：该方法科学可靠；可 用于含有大量随机变量的隧道沉降分析。 关键词：地表沉降；灰色关联；支持向量机；预测 中图分类号：TD82  文献标志码：A  文章编号：1672−7207(2012)02−0632−06  Predicting surface settlement of tunnel using grey  relational­support vector machine  TAN Peng, CAO Ping  (School of Resources and Safety Engineering, Central South University, Changsha 410083, China)  Abstract: Based on the  fact that surface  settlement was a very complex system  engineering, the geo­material was  complex, fuzzy and nonlinear in geotechnical engineering, a new model based on grey system was presented, grey  relational was used to find the key components. The kernel function and penalty factor was determined by simulated  annealing.  The  nonlinear  relation  between  surface  settlement  and  influencing  factors  was  obtained  from  the  key  components by SVM model and the model was applied to the practical engineering. GR­SVM enhances the efficiency  and the capability of forecasting. The results of experiment show that the model is valid and can be used to analysis  tunnel settlement.  Keywords:surface settlement; grey system;supportvector machine (SVM); prediction  隧道的地表沉降量与众多随机性、不确定性因素