基于SVM的溶洞顶板安全厚度智能预测模型

王 勇; 乔春生; 孙彩红; 刘开云

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SVM的溶洞顶板安全厚度智能预测模型

基础理论与实验研究 | 更新时间：2026-06-25

- 基于SVM的溶洞顶板安全厚度智能预测模型
- Forecasting model of safe thickness for roof of karst cave tunnel based on support vector machines
- 岩土力学 2006年27卷第6期　刊出日期
- 作者机构：
  
  北京交通大学土木建筑工程学院,北京,100044
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU94
- 网络首发：2013-11-14，
  
  纸质出版：2006
- 稿件说明：
移动端阅览
王勇, 乔春生, 孙彩红, 等. 基于SVM的溶洞顶板安全厚度智能预测模型[J]. 岩土力学, 2006,27(6期　刊出日).

WANG Yong, QIAO Chun-sheng, SUN Cai-hong, et al. Forecasting model of safe thickness for roof of karst cave tunnel based on support vector machines[J]. 2006, 27(6期　刊出日).
王勇, 乔春生, 孙彩红, 等. 基于SVM的溶洞顶板安全厚度智能预测模型[J]. 岩土力学, 2006,27(6期　刊出日). DOI：

WANG Yong, QIAO Chun-sheng, SUN Cai-hong, et al. Forecasting model of safe thickness for roof of karst cave tunnel based on support vector machines[J]. 2006, 27(6期　刊出日). DOI：

摘要

以某岩溶隧道为背景，采用二维弹塑性有限元方法对隧道开挖进行数值模拟计算，分析了隧道底部溶洞顶板安全厚度的影响因素，用支持向量机方法得出了能综合体现各影响因素的溶洞顶板安全厚度预测模型，并和多元线性回归得到的预测模型进行对比。计算结果表明，支持向量机预测模型较之多元线性回归模型，不但具有方便快捷的优点，而且具有更高的预测精度。

Abstract

Taking some tunnel as the background. and by using FEM numerical simulation

the factors affecting the safe thickness of roof of karst cave are analysed; and forecasting model of safe thickness of roof is obtained by support vector machines (SVM) and stepwise regression analysis.The result of calculation indicates that

SVM forecasting model not only has the advantages of convenience and swiftness compared with the linear regression model

but also has higher precision of prediction.

关键词

Keywords

references

浏览量

1294

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

特殊类型基坑变形性状二维有限元分析

森林公园地铁车站深基坑变形规律有限元分析

洮水水库工程混凝土面板堆石坝变形应力分析

载荷试验有限元数值模拟

考虑堆石体流变效应的高面板坝最优施工程序研究