基于v—SVR算法的隧道地表沉降预测方法研究与应用.pdfVIP

第l1期 广东土木与建筑 No．11 2008年l1月 GUANGD0NG ARCHnECTURECIVILENGINEERING N0V2O08 基于v—SVR算法的隧道地表沉降预测方法研究与应用 张文杰 1 余志雄 2 (1、广州市市政工程安全质量监督站 广州510051；2、广州市广园路建设公司 广州510010) 摘 要 ：提 出一种基于 —SVR的隧道地表沉 降预测方法 ，它很好地表达 了隧道地表沉降与其影响因素之间的 非线性映射关系，并用其建立 了相应 的模型，预测结果表明利用该法进行隧道地表沉降预测是可行和有效的。 关键词 ：隧道 ；地表沉 降；预测 ； 一SVR；留一法；广度优先算法 最小化原则的常规神经网络方法 其算法是一个凸 1 前言 二次优化问题 ．保证找到的解是全局最优解 ，能较好 地解决小样本 、非线性、高维数等实际问题 ，问题的复 在建筑施工过程中．沉降观测是监测建筑物是 杂度不取决于特征的维数 ，且具有 良好的推广能力。 否安全的重要环节 ．如果基础发生较大沉降或明显 近年来人们又发展 了回归型支持向量机 (SVR)．它 的不均匀沉降．将会带来 巨大的安全隐患和质量问 可以任意精度逼近非线性函数 ．具有全局极小值点． 题．甚至造成经济损失并危及人身安全 因此 ．在施 收敛速度快．广泛应用于实际工程 ．解决了大量问题。 工和运营过程 中．有效地监测和预测建筑物基础沉 文献 [3]提 出了一种改进 的 SVR，即 —SVR方法 ， 降显得尤为重要… 使用更方便，计算结果也更准确 。 在隧道工程开挖中．不可避免地会对原有 的地 对于训练样本集 {X，yi}l 麓∈R 为输入变量的 层和应力场产生扰动 ．从而引起地层 的移动和地表 值，yi∈R为相应的输出值，Z为训练样本个数。v-SVR 沉降．及早预测隧道开挖引起的隧道地表沉降．进而 的 目标就是寻找一个从输入空间到输出空间的映射 合理地控制变形这对深基坑施工 ．具有重要的意义 厂：，乙_ ，使得： 隧道周围土体的变形及隧道上方地表沉降．是一个 yi厂()=( ·)+6 (1) 复杂的非线性动态系统．地表沉降涉及的因素众多。 式中：W、∈Rn；b∈R。对于线性问题，根据统计学习 由于 目前的隧道地表沉降预测方法的计算参数往往 理论 ．—SVR通过极小化 目标 函数来确定 回归函 较难确定。造成预测变形与实际出入很大 ．因此寻找 数 ．即： 一 种快速 、准确的变形预测技术是很有必要的。本 Minimizer(co，，)=÷II2+c·[vc+~-∑( )] 文将利用其学习领域的热点技术支持向量机进行研 (2) 究，进而提出一种适用于隧道地表沉降预测的方法 约束条件为 ： 支持向量机是 Vapnik等人根据统计学理论提 f[y【。6] ++(+≥0，≥o)(3) 出的一种新 的通用学习方法 ．它是建立在统计学理 i一 [(gOX·i)+6]≤占+ ’‘ ’ 论的VC维理论和结构风险最小原理基础上的，能 式中：c为平衡模型复杂性项专 I和训练误差项的 较好地解决小样本 、非线性、高维