基于? -SVR算法的隧道围岩位移演化规律预测

陈秋南; 张永兴; 赵明华; 刘新荣

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于? -SVR算法的隧道围岩位移演化规律预测

基础理论与实验研究 | 更新时间：2026-06-25

- 基于? -SVR算法的隧道围岩位移演化规律预测
- Forecasting evolution of tunnel surrounding rock displacement by ? -SVR
- 岩土力学 2006年27卷第4期
- 作者机构：
  
  1. 湖南科技大学土木工程学院,湖南,湘潭,411201
  2. 湖南大学土木工程学院,长沙,410082
  3. 重庆大学土木工程学院,重庆,400045
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU45
- 网络首发：2013-11-05，
  
  纸质出版：2006
- 稿件说明：
移动端阅览
陈秋南, 张永兴, 赵明华, 等. 基于? -SVR算法的隧道围岩位移演化规律预测[J]. 岩土力学, 2006,27(4).

CHEN Qiu-nan, ZHANG Yong-xing, ZHAO Ming-hua, et al. Forecasting evolution of tunnel surrounding rock displacement by ? -SVR[J]. 2006, 27(4).
陈秋南, 张永兴, 赵明华, 等. 基于? -SVR算法的隧道围岩位移演化规律预测[J]. 岩土力学, 2006,27(4). DOI：

CHEN Qiu-nan, ZHANG Yong-xing, ZHAO Ming-hua, et al. Forecasting evolution of tunnel surrounding rock displacement by ? -SVR[J]. 2006, 27(4). DOI：

摘要

针对目前广泛应用的灰色理论、遗传算法(GA)和人工神经网络(ANN)等方法预测隧道稳定性的缺陷，提出应用稳健性能较好的? -SVR（support vector machine）算法对非对称连拱隧道围岩位移演化规律进行预测研究。应用加速混合遗传算法搜索? -SVR最优参数，以提高? -SVR的预测能力。将预测结果与灰色理论、BP神经网络预测结果进行比较，显示? -SVR算法学习和预测精度高。

Abstract

Because the prediction accuracy of gray theory

GA and ANN algorithm is insufficiency for tunnel rock surrounding stability

the method of ?-support vector machines was applied to researching of evolution law for tunnel rock surrounding displacement; and in order to enhance the learning efficiency of ?- support vector machines and the capability of forecasting

the accelerated hybrid genetic algorithm (GA) is used for optimizing parameters of ?-support vector machines. Comparison the forecasting results of gray theory

GA and ANN and monitoring results for tunnel rock surrounding displacement

the results show the learning efficiency and prediction accuracy of ?-support vector machines is superior to gray theory

GA and ANN obviously.

关键词

Keywords

references

浏览量

1180

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

黄土坡临江I号崩滑体变形及稳定性演化规律研究

强震区软弱破碎千枚岩隧道系统锚杆支护作用效果分析

隧道洞顶围岩竖向全位移量测及变化规律研究

隧道掘进综合信息智能监控系统研究

火灾作用下隧道衬砌结构变形理论分析模型