混凝土中锚杆锚固强度SVM回归模型.pdfVIP

第 32卷 第1期 长 江 科 学 院 院 报 Vo1．32 No．1 2015年 1月 JournalofYangtzeRiverScientificResearchInstitute Jan． 20 15 DOI：10．3969／j．issn．1001—5485．2015．01．024 2015，32(01)：117—120，130 混凝土中锚杆锚固强度的SVM回归模型 雷进生 。陈建飞 ，王乾峰 ，彭 刚 。曾有为 (1．三峡大学 土木与建筑学院，湖北 宜昌 443002；2．福州大学 阳光学院，福州 350000) 摘 要：锚杆锚固强度是评价锚杆锚固质量的主要因素之一，而混凝土中锚杆锚固强度受多因素影响，各因素间也 具有复杂的关联。应用支持向量机回归原理，以混凝土龄期、锚杆直径和锚固长度3个因素作为输入列向量构建 样本集，选用径向基核函数建立混凝土中锚杆锚固强度的支持向量机 回归预测模型。利用30组锚固强度实验数 据中2／3的数据作为训练样本，剩余 1／3的数据作为预测样本 ，对锚固强度进行回归预测 ，将预测结果与试验结果 和BP网络计算结果进行对比分析。研究结果表明：此模型预测精度高，具有 良好的泛化能力，预测结果具有可信 性，将 SVM方法运用于混凝土中锚杆锚固强度的预测是合理有效的，为锚固强度的预测提供了一条新的途径。 关键词 ：混凝土；锚杆 ；锚固强度；支持向量机；回归模型 中图分类号：TV332．3 文献标志码：A 文章编号：1001—5485(2015)01—0117—04 支持 向量机 (SVM)是一种新 的机器学 习方 法 J，具有小样本、非线性 以及高维模式识别的特 1 研究背景 点。基于Vapnik创建的统计学理论 ，采用结构风险 锚杆作为岩土工程的支护结构已得到广泛应 最小化准则，在最小化样本误差点的同时，最小化结 用 ，钢锚杆具有成本低廉、施工简便、支护及时及能 构风险，提供了模型的泛化能力，且没有数据维数限 充分调动 围岩 自承能力的技术特点 J。许多学者 制，能适度抑制过拟合，被认为优于人工神经网络， 也对锚杆对围岩的锚固作用方面进行了大量研究， 并已成功地应用于模式识别 (聚类)、函数逼近和预 并且形成了一定的理论体系_2I4J。同时，混凝土中 测等方面 。支持向量机方法建模不必知道因 锚杆锚固技术的应用领域也 日渐广泛，在井巷与隧 变量和 自变量之间的关系，通过对样本的学习即可 洞支护加 固、建筑扩建改造、设备安装、结构抗震加 获得因变量和 自变量之间非常复杂的映射关系。早 固、建筑幕墙施工项 目中，混凝土中锚杆锚固技术以 龄期混凝土中锚杆的锚固强度预测可以看作是锚固 其高效、灵活、经济等优势倍受青睐 。混凝土中 强度与其对应影响因素之问复杂的非线性函数关系 的锚杆，与普通锚杆的原理是相通的 。但 由于早 的逼近问题，本文尝试利用SVM 回归算法对早龄期 龄期混凝土结构是一个混凝土强度和结构外形不断 混凝土中锚杆的锚固强度建立数学模型，并根据此 随时间变化的 “时变结构”，混凝土与锚杆相互作用 模型对锚固强度进行预测 。 时锚杆的工作性状，是工程中非常关心的问题。但 由于锚杆与混凝土相互作用的复杂性，所涉及的工 2 SVM预测模型 程条件及混凝土特性参数通常是不确定的、模糊的， 各影响要素之间可能存在复杂的非线性关系，往往 Vapnik等人对有限样本的机器学习进行了深 使得锚固效应采用传统的方法和确定的数学模型进 入研