基于遗传支持向量机的地下工程裂隙岩体注浆量预测

姜谙男; 梁 冰

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 >

基于遗传支持向量机的地下工程裂隙岩体注浆量预测

基础理论与实验研究 | 更新时间：2026-06-25

- 基于遗传支持向量机的地下工程裂隙岩体注浆量预测
- Forecasting grouting in fractured rock mass of underground engineering based on genetic algorithm-support vector machine
- 岩土力学 2006年27卷第S2期
- 作者机构：
  
  1. 大连海事大学交通工程与物流学院,大连,116026
  2. 辽宁工程技术大学力学与工程科学系,阜新,123000
- 作者简介：
- 基金信息：
  
  国家自然科学基金（No. 50508007）
- DOI：
  中图分类号： TU443
- 网络首发：2006-12-16，
  
  纸质出版：2006
- 稿件说明：
移动端阅览
姜谙男, 梁冰. 基于遗传支持向量机的地下工程裂隙岩体注浆量预测[J]. 岩土力学, 2006,27(S2).

JIANG An-nan, LIANG Bing. Forecasting grouting in fractured rock mass of underground engineering based on genetic algorithm-support vector machine[J]. 2006, 27(S2).
姜谙男, 梁冰. 基于遗传支持向量机的地下工程裂隙岩体注浆量预测[J]. 岩土力学, 2006,27(S2). DOI：

JIANG An-nan, LIANG Bing. Forecasting grouting in fractured rock mass of underground engineering based on genetic algorithm-support vector machine[J]. 2006, 27(S2). DOI：

摘要

提出了地下工程裂隙岩体注浆量预测的遗传支持向量机方法，通过支持向量机对实际注浆数据样本进行学习，建立注浆量及其影响因素之间的非线性映射关系，基于这种关系实现注浆量的预测。模型建立过程中，考虑到支持向量机惩罚因子和核参数对预测精度的影响，以预测误差为适应度，采用遗传算法对最佳参数进行搜索。结果表明，本文方法计算快速，预测精度高，是一种注浆量预测的好方法。

Abstract

In order to improve the accuracy and overcome the extra learning problem of ANN

a new method coupling genetic algorithm (GA) and support vector machine (SVM) is proposed to forecast the grouting in the fractured rock mass. By learning samples

the SVM model with optimal penalty factor and kernel parameter which are searched out by using the SVM predicting error as the fitness of GA is established which can reflect the nonlinear relation between the grouting and its affecting factors. The practical examples have been computed to testify the efficiency and ability of this method; and the calculational results show that the method has rapid speed and sufficient predicting accuracy.

关键词

Keywords

references

浏览量

107

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

福宁高速公路八尺门滑坡变形演化规律预测研究

基于多核模式的隧道沉降预测

桥基隧道明挖施工多元信息集成智能方法与应用

基于有限元计算的边坡三维滑裂面搜索

人工冻土黏弹塑性本构参数反分析研究