本文關(guān)鍵詞： 高速鐵路隧道 變形預測 PSO-SVM模型 GA-BP網(wǎng)絡模型 ARMA模型　出處：《隧道建設》2017年06期 　論文類型：期刊論文

【摘要】：為克服傳統(tǒng)預測模型結(jié)構(gòu)單一、預測精度及穩(wěn)定性不足等缺陷,提出多元體系組合預測模型的建模思路。首先,基于支持向量機、BP神經(jīng)網(wǎng)絡及ARMA模型3種單一預測模型,構(gòu)建鐵路隧道變形預測體系;再以均方根誤差、誤差平方和及平均絕對誤差等為評價準則或指標,構(gòu)建各預測結(jié)果的誤差評價體系,求解各單項預測模型的權(quán)值貢獻指數(shù),得到最優(yōu)組合權(quán)值;然后利用后驗差檢驗、殘差檢驗和關(guān)聯(lián)度檢驗構(gòu)建預測精度校驗體系,對組合預測結(jié)果進行檢驗,評價預測模型的有效性;最后,結(jié)合工程實例,對多元體系組合預測模型在特大斷面隧道中的變形預測效果進行檢驗。結(jié)果表明:多元評價體系組合模型預測相對誤差值均小于2%,具有較高的預測精度,且較單一預測模型具有更高的預測精度,也一致通過相關(guān)檢驗,驗證了多元體系組合預測模型的有效性。
[Abstract]:In order to overcome the shortcomings of the traditional prediction model, such as single structure, poor prediction accuracy and stability, the modeling idea of multi-system combination forecasting model is put forward. Firstly, based on support vector machine (SVM). BP neural network and ARMA model are three kinds of single prediction models to construct railway tunnel deformation prediction system. Then take the root mean square error, the sum of square error and the average absolute error as the evaluation criterion or index, construct the error evaluation system of each prediction result, and solve the weight contribution index of each single prediction model. The optimal combination weight is obtained. Then the prediction accuracy checking system is constructed by using posteriori error test, residual error test and correlation degree test. The combined prediction results are tested and the validity of the prediction model is evaluated. Finally, combined with engineering examples, the deformation prediction effect of multicomponent system combination prediction model in large section tunnel is tested. The results show that the relative error of multivariate evaluation system combination model is less than 2%. It has higher prediction accuracy and higher prediction accuracy than the single prediction model. The validity of the multi-system combination forecasting model is verified by correlation test.
【作者單位】： 陜西鐵路工程職業(yè)技術(shù)學院;
【分類號】：U456.3
【正文快照】： 0引言隨著近年我國交通事業(yè)的蓬勃發(fā)展,特大斷面隧道工程不斷增加,尤其是在高速客運列車專線中[1]。由于隧道開挖和支護均是復雜的系統(tǒng),變形機制較為復雜,難以從理論角度對隧道的變形進行準確計算,在特大斷面隧道中尤為突出,加之特大斷面隧道為高速客運列車專線時,工程的重要

【相似文獻】

相關(guān)期刊論文 前10條

1 文軍;蔣由輝;方文清;;航空貨運量的優(yōu)化組合預測模型[J];計算機工程與應用;2010年15期

2 黃元生;黎特;皮薇;;非平均權(quán)重條件下電力負荷組合預測模型研究[J];山東電力高等�？茖W校學報;2013年03期

3 丁岳維;組合預測模型的研究[J];西安公路交通大學學報;1997年04期

4 朱章;對組合預測模型預測精度的分析[J];黃石高等專科學校學報;1997年01期

5 邢棉;能源發(fā)展趨勢的非線性優(yōu)化組合預測模型研究[J];華北電力大學學報;2002年03期

6 陳華友,趙佳寶,劉春林;基于灰色關(guān)聯(lián)度的組合預測模型的性質(zhì)[J];東南大學學報(自然科學版);2004年01期

7 李眉眉;丁晶;衡彤;覃光華;;電力月負荷的混沌趨勢組合模型預測[J];四川電力技術(shù);2006年03期

8 張欣;;組合預測模型在上海內(nèi)河港口吞吐量預測中的應用[J];水運工程;2007年04期

9 王斌;張金隆;;航線流量組合預測模型研究[J];武漢理工大學學報(信息與管理工程版);2008年03期

10 趙海青,楊秀岐;灰色加法組合預測模型及其應用[J];保定師范�？茖W校學報;2002年04期

相關(guān)會議論文 前10條

1 謝如賢;成盛超;程仕軍;陳思華;;變結(jié)構(gòu)組合預測模型的建立與應用[A];全國青年管理科學與系統(tǒng)科學論文集（第2卷）[C];1993年

2 董景榮;;基于遺傳輔助設計的匯率組合預測模型研究[A];面向復雜系統(tǒng)的管理理論與信息系統(tǒng)技術(shù)學術(shù)會議專輯[C];2000年

3 馬永開;唐小我;;組合預測模型研究[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第4卷）[C];1997年

4 成樞;劉國林;高放;;最優(yōu)組合預測模型及其在變形預測中的應用[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

5 何迎東;吳婉瑩;郭u&;陳華友;;基于離消度的組合預測模型及其應用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學者大會論文集[C];2012年

6 陳華友;程蕾;張倩;;基于相關(guān)系數(shù)的IOWA算子最優(yōu)組合預測模型[A];第四屆中國不確定系統(tǒng)年會論文集[C];2006年

7 陳華友;;IOWA算子的組合預測模型及在所得稅預測中的應用[A];第三屆不確定系統(tǒng)年會論文集[C];2005年

8 謝正文;孔凡玉;胡毅夫;;基于熵權(quán)的沉降組合預測模型及應用[A];第一屆中國水利水電巖土力學與工程學術(shù)討論會論文集（下冊）[C];2006年

9 王永光;趙國浩;;變權(quán)組合預測模型在中國煤炭需求預測中的應用[A];2007中國可持續(xù)發(fā)展論壇暨中國可持續(xù)發(fā)展學術(shù)年會論文集（4）[C];2007年

10 王尚俊;吳剛;陳華友;周禮剛;;基于廣義10WA算子的組合預測模型及在卷煙消費需求中應用[A];第十一屆中國不確定系統(tǒng)年會、第十五屆中國青年信息與管理學者大會論文集[C];2013年

相關(guān)博士學位論文 前5條

1 趙川;重載交通對高速公路橋梁的疲勞影響研究[D];河北工業(yè)大學;2015年

2 于志恒;基于智能理論的交通流量組合預測模型研究[D];東北師范大學;2016年

3 向昌盛;基于支持向量機的時間序列組合預測模型[D];湖南農(nóng)業(yè)大學;2011年

4 萬玉成;基于未確知性的預測與決策方法及其應用研究[D];東南大學;2004年

5 南曉強;風電預測技術(shù)及其運行分析[D];西南交通大學;2013年

相關(guān)碩士學位論文 前10條

1 宋鶴;基于WEB的風電場可視化監(jiān)測技術(shù)研究[D];沈陽理工大學;2015年

2 高興良;基于逐步回歸分析的組合神經(jīng)網(wǎng)絡股指預測研究[D];哈爾濱工業(yè)大學;2015年

3 Phanthavong Tulaxay;基于小波-BP神經(jīng)網(wǎng)絡的貝葉斯概率組合預測模型及其在預報調(diào)度中的應用[D];華北電力大學;2015年

4 徐曉波;電動汽車充/換電站短期負荷預測方法研究[D];華北電力大學;2015年

5 蔣星;基于趨勢點模型的超短期風電功率預測研究[D];廣西大學;2015年

6 奚晨;組合預測模型的應用與研究[D];蘭州大學;2015年

7 周清平;滬深300指數(shù)的組合預測模型研究[D];蘭州大學;2015年

8 熊威;顧及多效應的混凝土壩位移聯(lián)合預報與監(jiān)控分析[D];南昌大學;2015年

9 李瀅;基于灰色理論的車輛輪對踏面磨損預測研究[D];蘭州交通大學;2015年

10 吳念;地區(qū)電網(wǎng)中長期負荷組合預測模型和方法研究[D];華南理工大學;2012年

，

本文編號：1460881