基于LSTSVR路基沉降组合预测模型.docVIP

基于LSTSVR路基沉降组合预测模型 　　摘 要：鉴于路基沉降各种单相预测模型均有其适用范围，总体预测波动性较大，精度较低，提出基于最小二乘双支持向量回归机（LSTSVR， least square twin support vector regression）的路基沉降组合预测模型。该模型的核心是根据路基沉降的发展规律及其沉降曲线的特点，选择具有S型特点的成长曲线特征的单相预测模型；以各单项预测模型预测结果作为最小二乘双支持向量回归机的输入向量，构建路基沉降组合预测模型。对比试验表明：提出方法具有更好的预测精度和稳定性。 　　关键词：路基沉降预测；组合预测；最小二乘双支持向量回归机 　　DOI：10.15938/j.jhust.2017.06.012 　　中图分类号： TU432 　　文献标志码： A 　　文章编号： 1007-2683（2017）06-0062-05 　　Abstract：Due to the normal forecasting methods for subgrade settlement using observation data have different applications， and the predicting results has bigger volatility and lower accuracy. The Combined forecasting model of subgrade settlement based on Least Square Twin Support Vector Regression （LSTSVR）is proposed in this paper. Its core is that the growth curves with the Stype characteristics are treated as single forecasting model according to the basic settlement law of subgrade and characteristics of settlement curve. Considering prediction results of each individual model as the least square support vector regression model input and the combined forecasting model of subgrade settlement is constructed. The result of engineering practice shows that the proposed method has better prediction accuracy and stability. 　　Keywords：subgrade settlement prediction； combination forecast model； least square twin support regression 　　0 引 言 　　路基沉降的发展具有复杂性，复杂性表现在沉降具有非线性、非平稳性，且含有众多不确定的信息，要实现准确的路基沉降预测非常困难。路基沉降观测数据包含了影响路基沉降的的综合信息，基于观测数据建立沉降预测模型是路基沉降预测的主要方法，主要包括经验公式法、系统分析和控制理论法[1-3]（如灰色系统法和神经网络法等）。但每一种方法都有其不足，导致预测精度较差。经验公式法假定的数学模型，都过于简单，掩盖了路基沉降发展的复杂的本质规律。同时，应用传统确定性方法确定模型参数精度较差，使预测结果带有较大误差。灰色系统法常用的G（1，1）模型的灰色微分方程为一阶，没有考虑次固结。同时，模型参数由于地质条件、环境因素的影响，随着时间在变化，而模型的参数固定不变，导致预测误差，甚至无法预测；神经网络法的外插特性较差，且结构很难确定，影响了神经网络的应用。总之，各种预测模型都有其各自的优势和各自的适用范围，也都存在着一定的不足[4-5]。 　　组合预测为充分利用各单相预测模型的优势，克服其不足，进一步提高预测精度，降低预测风险提供了新途径[6-7]。组合预测方法通过综合考虑各单项预测模型的特点，将不同单相预测模型进行组合，使得预测结果能够充分利用从各种单相预测模型中获得的信息，具有很强的适应性和较好的稳定性。由于组合预测的良好特性，在路基沉降预测领域也得到了广泛的应用[8-10]。文中将组合预测思想应用到路基沉降预测中，构建基于最小二乘双支持向量回归机的路基沉降组合预测模型（least square