基于支持向量机模型的深基坑变形预测研究

基于支持向量机模型的深基坑变形预测研究

ID:36503218

大小:246.63 KB

页数:4页

时间:2019-05-11

基于支持向量机模型的深基坑变形预测研究_第1页
基于支持向量机模型的深基坑变形预测研究_第2页
基于支持向量机模型的深基坑变形预测研究_第3页
基于支持向量机模型的深基坑变形预测研究_第4页
资源描述:

《基于支持向量机模型的深基坑变形预测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、公路交通技术2011年4月第2期TechnologyofHighwayandTransportApr.2011No.2基于支持向量机模型的深基坑变形预测研究弓社强,蔡执刚(1.邯郸市交通局,河北邯郸056002;2.邯郸县交通局,河北邯郸056001)摘要:支持向量机是近年来在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。将支持向量机用于基坑变形预测,根据基坑位移的实测时间序列资料,建立基坑位移与时间的关系模型。将实际基坑工程监测资料作为学习训练样本和测试样本,将

2、模型计算结果与实际监测值进行对比分析、研究。结果表明,支持向量机模型用于预测深基坑变形其精度高、误差小,满足工程需要,是解决基坑变形预测的有效方法。关键词:深基坑;变形;支持向量机;预测文章编号:1009—6477(2011)02—0023一o4中图分类号:U443文献标识码:APredictionofDeepPitDeformationBasedOnModelofSupportVectorMachineGONGSheqiang,CAIZhigangAbstract:Thesupportvectormachineisanewmo

3、derecognitionmethoddevelopedbasedonstatisticallearningmethodinrecentyearsandexhibitsmanyuniqueadvantagesinsolvingproblemsofsmallsample,non—linearityandhigh—dimensionalrecognitionmode.Thispaperusesthesupportvectormachineinpredictionofpitdeformationtoestablishtherelati

4、onmodelbetweenpitdisplacementandtimebasedonmeasuredtimesequencedataofpitdisplacement.Thepapertakesmonitoringdataforactualpitprojectsaslearningandpracticingandtestingsamples,andcomparesthecalculatedresultsbymodelandactuallymonitoredvaluesforanalysisandinvestigation.Th

5、eresultsshowthatthemodelofsupportvectormachinewhenusedtopredictdeformationofdeeppitsexhibitshighaccuracy,smallerrorandsatisfactiontothedemandofprojects,andisaneffectivemethodtosolvepredictionofpitdeformation.Keywords:deeppit;deformation;supportvectormachine;predictio

6、n随着城市建设的高速发展,深基坑工程无论数与传统神经网络学习方法不同,SVM方法实现了结量还是难度都大幅度增加。基坑开挖及围护结构设构风险最小化原理,这就使取得的样本有较好的泛计的影响因素较多,如果预测、预报不当,则往往引化性能。本文基于SVM方法,建立深基坑变形预测发一些工程事故。近年来,人们已逐渐认识到现场的SVM模型,通过实例将SVM模型预测结果与实监测的重要性。由于基坑工程现场监测时间序列数测值进行对比,验证了基于SVM方法深基坑变形预据中蕴含着系统信息的演化,所以设计施工等人员测模型的有效性。希望能从这些数据中找出其蕴

7、含的规律,并用已知的观测数据来预测系统未来的发展动态,进而反馈1SVM原理于原设计,以便及时调整施工方案,或采取应急对假设样本训练集D={(,Y),k=1,2,⋯,z},策⋯。所采用的预测方法多种多样,如灰色预测、时其中∈R为维样本输人,YER为样本输出。问序列分析、神经网络等I4。由于这些方法各有SVM回归的目的是通过训练样本,找出相对“平坦”优缺点,因此使得深基坑变形预测问题还没有得到的函数逼近样本集输入与输出之间的关系,并且对很好的解决。支持向量机(SupportVectorMachines,新的输入也能给出准确的输出。设

8、回归函数f()SVM)是继神经网络之后机器学习领域的研究热点,可按下式表示:收稿日期:2010—08—15作者简介:弓社强(1974一),男,河北省邯郸市人,硕士,工程师公路交通技术2011盈-()=(W·())+b。(1)式中,为权重向量;b为偏置量,也称阀值

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。