發(fā)布時(shí)間：2018-04-11 16:56

  本文選題：地鐵隧道 + 沉降預(yù)測(cè)　； 參考：《現(xiàn)代隧道技術(shù)》2014年06期

【摘要】：針對(duì)緊鄰大型深基坑的地鐵隧道因其變形影響因素復(fù)雜、變形控制嚴(yán)格而難以準(zhǔn)確預(yù)測(cè)其沉降變形的問(wèn)題,文章引入對(duì)小樣本、復(fù)雜、非線性數(shù)據(jù)具有優(yōu)越預(yù)測(cè)性能的支持向量機(jī)理論,并利用蟻群優(yōu)化算法搜索支持向量機(jī)最優(yōu)參數(shù)組合,建立了優(yōu)化的支持向量機(jī)預(yù)測(cè)模型。應(yīng)用該模型對(duì)南京市地鐵1號(hào)線某段隧道的預(yù)測(cè)結(jié)果表明,該模型預(yù)測(cè)精度高,能夠準(zhǔn)確反映隧道變形趨勢(shì),可以滿足緊鄰大型深基坑地鐵隧道沉降預(yù)測(cè)的要求。
[Abstract]:In view of the problem that it is difficult to accurately predict the settlement deformation of subway tunnel adjacent to large deep foundation pit due to its complex deformation factors and strict deformation control, the paper introduces a small sample, which is complex.The theory of support vector machine (SVM) with superior predictive performance for nonlinear data is presented. The optimal support vector machine (SVM) prediction model is established by searching the optimal parameter combination of SVM using ant colony optimization (ACO) algorithm.The application of the model to a section of subway tunnel of Nanjing Metro Line 1 shows that the model has high prediction accuracy, can accurately reflect the deformation trend of the tunnel, and can meet the requirements of the subway tunnel settlement prediction next to the large deep foundation pit.
【作者單位】： 浙江省水利水電勘測(cè)設(shè)計(jì)院;浙江省電力設(shè)計(jì)院;河海大學(xué)地球科學(xué)與工程學(xué)院;
【分類(lèi)號(hào)】：U231.3;U456.31

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 曹占輝;李言俊;;基于支持向量機(jī)和蟻群算法的空間目標(biāo)分類(lèi)[J];航空計(jì)算技術(shù);2008年03期

2 魏俊;周步祥;林楠;邢義;;基于蟻群支持向量機(jī)的短期負(fù)荷預(yù)測(cè)[J];電力系統(tǒng)保護(hù)與控制;2009年04期

3 阮順良;胡士兵;樓永良;;基坑工程對(duì)鄰近地鐵隧道影響及控制措施研究[J];現(xiàn)代隧道技術(shù);2012年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王奔;冷北雪;張喜海;單纕，

本文編號(hào)：1736860