基于KPCA-LSSVM的公路软基路堤沉降预测.pdf

基于 KPCA—LSSVM 的公路软基路堤沉降预测 成传亮，王淑娟，罗德超 (重庆大学 自动化学院，重庆 400030) 摘 要：针对公路软基路堤沉降发生过程 中多变量、强耦合、强干扰、大滞后的复杂特性，利 用 KPCA先将非线性数据投影到高维空间使其映射呈线性关系，应用PCA提取 出映射数据的线 性特征信息，间接实现去除原始数据噪声，以降低样本的维数，然后再利用最小二乘支持向量机 进行建模的方法对软基路堤沉降进行预测。仿真结果表明：与最小二乘支持向量机及主元分析 一 最小二乘支持向量机建模方法相比，该核主元分析与最小二乘支持向量机结合的方法能够更 准确地预测路堤沉降，且满足精确性和适用性的要求。 关 键 词：软基路堤 ；沉降；核主元分析；最小二乘支持 向量机 中图分类号：TP18；TU17 文献标识码：A 文章编号：1674—8425(2010)06—0078—05 HighwaySoftBaseEmbankmentSettlementPrediction BasedonKPlCA．LSSVM CHENGChuan—liang，WANGShu—juan，LUODe—chao (CollegeofAutomation，ChongqingUniversity，Chongqing400030，China) Abstract：Forthecomplexcharacteristicswithmulti—variable，strongcoupling，stronginterference andlargetime—delayintheprocessofhighwaysoftbaseembankmentsettlement，thispaperpresentsa newmethodwhichusestheKernelPrincipalComponentAnalysis(KPCA)tomapthenonlinearinput spaceintolinearfeaturehighdimensionalspace．PrincipalComponentAnalysis(PCA)isusedto extractthelinearfeatureinformationand indirectlyremovethenoisesoforiginaldatatoreducethe dimensionalityofsamples，andthentheLeastSquaresSupportVectorMachine(LSSVM)isusedto buildmodelfortheprediction ofhighwaysoft baseembankmentsettlement．Thesimulationresults show thatincomparisonwiththeLSSVM andPCA—LSSVM，themodelofKPCA—LSSVM canaccurate— lypredicttheembankmentsettlementandsatisfytheneedsoftheaccuracyandtheapplicability． ． KeyW ords：SoftBaseEmbankment；Settlement；KPCA；LSSVM 我国公路由于软土地基压缩性高、渗透性低、 起道路质量的降低甚至损坏。随着高等级公路的 沉降量大、固结变形持续时间长、施工过程存在各 修建，这种软基问题越来越突出，已成为影响工程 种随机影响因素，若不经过处理或处理不当，会引 质量、周期和SHI造价的关键因素之一…。因此， 加强高等级公路软基处理的研究非常必要。 ，