软岩工程支护的双层SVM的智能设计方法.pdfVIP

第27卷第4期 北 京 科 技 大 学 学 报 Vbl．27NO．4 Journalof ofScienceand 2005年8月 University Technology Aug．2005 Beijing 软岩工程支护的双层SVM的智能设计方法 滕文彦1’2’乔春生” 胡宇庭2’ 1)北京交通大学土木建筑T程学院，北京1000442)石家庄铁路职业技术学院土木工程系，石家庄050041 摘 要将～种机器学习算法——支持向量机引入到软岩工程支护设计领域，并根据问题需 要提出了一种支持向量机回归算法且编制了相应的计算程序．工程算例证明，这种算法在学 习样本数量很少的情况下就可以得到很高的预测精度，且具有推广性能好的优点，避免了人 工神经元由于存在过学习问题而带来的网络参数难以确定的弊病，为类似工程的支护设计提 供了～种新的途径． ， 关键词软岩工程；支护设计；支持向量机；机器学习；回归预测 350．1；TP391．4 分类号TD 软岩是一种在特定环境下具有显著塑性变 支持向量机回归算法 形的复杂力学介质，其力学性质主要表现为非线 性大变形．专家学者在软岩巷道的施工及支护方 支持向量机(简称SVM)是Vapnik与其同事 面进行了大量的理论和工程实践的研究，各种解 合作提出的一种创新性学习算法，其理论基础是 统计学习理论，下面简要阐述支持向量机回归 析和数值方法也都被运用于软岩工程的开挖支 护上，取得了不少研究成果“1．但由于软岩本身具 (SVR)算法m1． 对回归问题，线性函数设为： 有的构造及其力学行为的高度复杂性，传统的数 Ax)=W·时6 (1) 学和物理模型都是在一定程度上的近似，很难准 式中，w为权值向量，b为偏差． 确地对软岩工程进行模拟。同时已有的许多软岩 工程支护的成功实例又没有被很好的利用来指 考虑到允许拟合误差的情况，引入松弛因子 导现在的工程实践，这无疑是巨大的资源浪费． 善≥0，占≥0，优化问题是最小化 人工智能擅于从有限的数据样本中，通过机 R(w，己亭+)=÷11wll2+c∑(伊占) (2) 器学习提炼出普遍规律，特别是在描述高度非线 其中，常数CO．C表示了对超出误差8的样本的惩 性和不确定性关系方面具有其他确定性方法难 罚程度．约束条件为 以比拟的优势，非常适用于岩土工程领域．专家 胁f)—影≤兽+s 系统、案例设计和人工神经元网络被广泛的运用 协一／b，)≤伊s (3) 【6，薯≥0 于各类岩土工程，取得了令人满意的成果刚．但 引入Lagrange函数： 这些方法也存在着缺点：专家系统的专家知识获 L(w，b，参考’，反，院’，)，，】，+)=÷W·卅c∑(伊若)一 取非常困难；案例设计的类比推理实现也有很大 厶 Fl