混凝土中锚杆锚固强度的svm回归模型

《混凝土中锚杆锚固强度的svm回归模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第32卷第1期长江科学院院报Vo1．32No．12015年1月JournalofYangtzeRiverScientificResearchInstituteJan．2015DOI：10．3969／j．issn．1001—5485．2015．01．0242015，32(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

2、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

3、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

4、，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

5、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2SVM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究，提出了结构风险最小化(structuralriskmini-行描述存在困难和不足。

6、近年来随着计算机技术的mization，SRM)原则，在最小化样本点误差的同时可进步，机器学习方法逐步广泛应用于工程领域，为混以最小化结构风险，并在此基础上建立了通用的支凝土中锚杆锚固强度的回归预测和锚杆荷载传递机持向量机算法，后又引入不敏感损失函数占，得到回理研究等提供了有力支持。归型支持向量机¨。其基本思想是从样本数据收稿日期：2013—07—04；修回日期：2013—10～23基金项目：国家自然科学基金项目(51279092)；湖北省自然科学基金项目(2013CFB218)；三峡大学科学基金项目(KJ2014BO05)；三峡大学培优基金项目(

7、PY201313)作者简介：雷进生(1970一)，男，河北石家庄人，副教授，博士，从事基础工程加固方法与计算理论、结构安全监测与评估技术研究工作，(电话)13872689179(电子信箱)lei-jinsheng@163．corn。118长江科学院院报2015年中寻找一个最优分类面，即对给定的数据逼近的精[y一(一)(，)一】}；(5)。．度与逼近函数的复杂性之问寻求折衷，以期获得最fW=(一)()。(6)好的泛化能力，如图1所示，图中为松弛变量。式中：Ⅳn为支持向量个数；()为非线性映射函数；，b，和为建立SVM模型待确定的系数。(3)利用回归函

8、数对测试集进行预测。记录测试集的均方差E和决定系数R，具体计算公式分别为：E=÷(夕一Yi)；(7)图1非线性不敏感带示意