向量机分析在深基坑变形监测预测中的应用.pdf

《向量机分析在深基坑变形监测预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·6·露天采矿技术2013年第8期向量机分析在深基坑变形监测预测中的应用王明(霍林河露天煤业股份公司地质公司，内蒙古通辽029200)摘要：位移监测预报在深基坑工程信息化设计与施工中具有非常重要的意义。文中针对深基坑工程变形监测预报问题，将最小二乘支持向量机(LS-SVM)$]-ful序列分析应用于深基坑工程的变形预测，最后用实例论证了最小二乘支持向量机(LSM)方法用于基坑工程变形预测的可靠性和实用性。‘关键词：深坑工程；变形监测；支持向量机(SVM)中图分类号：TU44文献标识码：B文章编号：1671—9816

2、(2013)08—0006—03ApplicationofsupportvectornmchineindeepfoundationpitdeformationmonitoringWANGMing．(Geo／og／ca／CompanyofHuolinheOpen-pitCoalIndustryStockCompany,ro,~／．o029200,chin~Abstract．Displacementmomtoringpredictionindeepfoundationpitengineeringinformationd

3、esignandconstructionhasaveryimportantsignificance．Thispaperaccordingtodeepfoundationpitengineeringdeformationmonitoringandpredictionproblem,leastsquaresupportvectormachine(LS-SVM)timeseriesanalysisisappliedtothedeepfoundationpitengineeringdeformationprediction

4、，thepaperdemonstratestheleastsquaressupportvectormachine(LSM)methodforthereliabilityandpracticabilityofthefoundationpitengineeringdeformationprediction．Keywords：depfoundationpitengineering；deformationmonitoring：LS-SVM好的效果。本文尝试用最dx-乘支持向量(LS—SVM)时间序列分析对变形监测的时间序列

5、反复训练，获近年来，城市建筑的发展迅猛以至地下空间开取内在规律，得到较为可信的趋势预报。始得到充分的利用，这也促进了深基坑的快速发展，带来了对深基坑的大量开挖。在我国，由于城市建筑2支持向量机理论介绍物向高空和地下两个方向发生，深基坑工程获得了支持向量机是建立在统计学习理论基础上的，广泛的应用，然而深基坑事故也频频发生。基坑工程基于结构风险最小化，针对有限样本的情况，以训练是一个系统性、综合性很强的岩土工程问题，这其中误差作为优化问题的约束条件，以置信范围最小化既涉及土力学中典型的强度、稳定和变形问题，同时作为优化

6、目标，将非线性问题转化到高维空间中的还涉及土与支护结构的共同作用问题。而对变形的线性问题处理，而又引入核函数将高维内积运算用控制是基坑工程成败的关键问题之一，不仅关系到低维的来代替，从而问题又简化为线性问题。另外，基坑本身的安全，更影响着周边环境的安全。大量事支持向量机中将非线性问题通过对偶理论转化为凸实说明，深基坑虽为临时性工程，但其重要性不容忽二次规划，从而得到全局最优解。视，进行信息化施工，实时监测已得到了业内人士的回归估计就是已知观测数据(,yi)，i=1，2⋯z；广泛认同。作为统计学习理论经典实现算法一支

7、持戥∈R“，∈R寻找适当的实值函数．厂()，使得yi和向量机以其独特的优点已广泛应用于模式识别、自f(x)的偏差尽可能小，以便用'，=()来推断任意动控制、信号预测、水文、天气预报等专业，取得了较对应的y，从而达到准确预测的目的，即较好的泛化能力。由统计学习理论可知，实际风险尺．(厂)和经验收稿日期：2013-03—25风险R唧(厂)以至少1一，叼>0的概率满足：作者简介：王明(1981一)，男，江苏连云港人，测量工程师。2005年毕业于辽宁工程技术大学测绘工程专业。现就职R．(厂)≤R唧(厂)+In(2-h／--

8、)．h(})于霍林河露天煤业地质勘探公司，主要从事露天矿的剥离验Z收工作。重葱固露天采矿技术2013年第8期·7·其中h为VC维，z为样本数目。从式中可看出，惩罚程度，c越大要求误差越小，拟合精度越高。此实际风险受限于经验风险和置信范围，而置信范围时优化问题的对偶问题如下：又由VC维和样本数决定，从而可以通过最下化经jfmin∑(a一啦)(a一)(就·)+∑