基于v—SVR算法的隧道地表沉降预测方法研究与应用.pdf

《基于v—SVR算法的隧道地表沉降预测方法研究与应用.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、第l1期广东土木与建筑No．112008年l1月GUANGD0NGARCHnECTURECIVILENGINEERINGN0V2O08基于v—SVR算法的隧道地表沉降预测方法研究与应用张文杰1余志雄2(1、广州市市政工程安全质量监督站广州510051；2、广州市广园路建设公司广州510010)摘要：提出一种基于—SVR的隧道地表沉降预测方法，它很好地表达了隧道地表沉降与其影响因素之间的非线性映射关系，并用其建立了相应的模型，预测结果表明利用该法进行隧道地表沉降预测是可行和有效的。关键词：隧道；地表沉降；预测；一SVR；留一法；广度优先算法最小化原则的常规神经网络方法其

2、算法是一个凸1前言二次优化问题．保证找到的解是全局最优解，能较好地解决小样本、非线性、高维数等实际问题，问题的复在建筑施工过程中．沉降观测是监测建筑物是杂度不取决于特征的维数，且具有良好的推广能力。否安全的重要环节．如果基础发生较大沉降或明显近年来人们又发展了回归型支持向量机(SVR)．它的不均匀沉降．将会带来巨大的安全隐患和质量问可以任意精度逼近非线性函数．具有全局极小值点．题．甚至造成经济损失并危及人身安全因此．在施收敛速度快．广泛应用于实际工程．解决了大量问题。工和运营过程中．有效地监测和预测建筑物基础沉文献[3]提出了一种改进的SVR，即—SVR方法，降显得尤

3、为重要⋯使用更方便，计算结果也更准确。在隧道工程开挖中．不可避免地会对原有的地对于训练样本集{X，yi}l麓∈R为输入变量的层和应力场产生扰动．从而引起地层的移动和地表值，yi∈R为相应的输出值，Z为训练样本个数。v-SVR沉降．及早预测隧道开挖引起的隧道地表沉降．进而的目标就是寻找一个从输入空间到输出空间的映射合理地控制变形这对深基坑施工．具有重要的意义厂：，乙_，使得：隧道周围土体的变形及隧道上方地表沉降．是一个yi厂()=(·)+6(1)复杂的非线性动态系统．地表沉降涉及的因素众多。式中：W、∈Rn；b∈R。对于线性问题，根据统计学习由于目前的隧道地表沉降预测方

4、法的计算参数往往理论．—SVR通过极小化目标函数来确定回归函较难确定。造成预测变形与实际出入很大．因此寻找数．即：一种快速、准确的变形预测技术是很有必要的。本Minimizer(co，，)=÷I2+c·[vc+~-∑()]文将利用其学习领域的热点技术支持向量机进行研(2)究，进而提出一种适用于隧道地表沉降预测的方法约束条件为：支持向量机是Vapnik等人根据统计学理论提f【[y。6]++(+≥0，≥o)(3)出的一种新的通用学习方法．它是建立在统计学理i一[(gO·Xi)+6]≤占+’‘’论的VC维理论和结构风险最小原理基础上的，能式中：c为平衡模型复杂性项专I和训练

5、误差项的较好地解决小样本、非线性、高维数和局部极小点等权重参数；占为不敏感损失函数；为松弛因子。对上实际问题，已成功地应用于分类、函数逼近和时间述问题进行变换和求解，得到回归函数如下：序列预测等方面本文尝试将支持向量机理论引入)=(ai*-ai)()+6(4)隧道地表沉降预测中。对于非线性问题．通过非线性变换将原问题映射到某个高维特征空间中的线性问题上进行求解2—SVR算法原理因此非线性问题的回归方程为：f(x)=∑(-aOK(x，)+6(5)SVM具有严格的理论基础．是基于结构风险最式中：K(x，)=(施)()为核函数。常用核函数有小化原则的方法．它明显优于传统的基

6、于经验风险多项式核函数、径向基核函数和sigmoid核函数。根532OO8年11月第11期张文杰等：基于，，算法的隧道地表沉降预测方法研究与应用NOV2008No．1l据支持向量机回归函数的性质，只有少数(一啦)不为零，这些参数对应的向量称为支持向量(SV)，回5结论归函数)完全由其决定。隧道地表沉降受很多因素的影响．且它们之间存3隧道地表沉降预测模型的建立在着高维的、高度非线性的、复杂的关系，用传统的建模方法很难处理．本文的—SVR法很好地表达了隧3．1影响隧道地表沉降的因素道地表沉降与其影响因素之间的非线性映射关系．同本文主要考虑的影响因素有深度、地下水位、隧时该

7、法建模较简单，不需对数据进行过多的预处理。道直径、弹性模量、剪切强度、侧压系数、重度、开挖因此．可以采用—SVR法进行实际隧道工程地表间隙8个主要影响参数川沉降预测，该法具有准确、快速、经济的特点，有较大3．2预测模型的确定的推广应用价值隧道地表预测模型的建立就寻找X'i．yi之间的关系RL_，使得yi=f(x)。参考12文3献456789¨b根据支持向量机理论．隧道地表沉降预测模型9丝7O1；38410O0坻7的建立，也寻求如下的表达式：[1]米鸿燕，蒋兴华．基于灰色BP神经网络的沉降预测模)=(a／一)K(i，)+6型应用研究[J]．昆明理工大学