為更有效地預(yù)測車輛段咽喉區(qū)小凈距隧道的圍巖位移,采用時(shí)間序列支持向量機(jī)（SVM）方法,基于實(shí)際監(jiān)測數(shù)據(jù)分析小凈距隧道的圍巖沉降,并比較不同SVM參數(shù)下的預(yù)測精度評(píng)價(jià)指標(biāo)。研究結(jié)果表明:基于滾動(dòng)時(shí)間序列SVR方法在預(yù)測25 d以內(nèi)的數(shù)據(jù)時(shí),可以保持足夠的精度,其均方根誤差（RMSE）和平均絕對(duì)相對(duì)誤差（MAPE）分別能保持在0.3和0.5%以下。SVM輸出的預(yù)測數(shù)據(jù)不僅可以較好地?cái)M合原有數(shù)據(jù)的趨勢,還可以有效地模擬數(shù)據(jù)在小范圍內(nèi)的波動(dòng),并可較為準(zhǔn)確地判斷襯砌結(jié)構(gòu)沉降是否收斂。因此,使用基于滾動(dòng)時(shí)間序列SVR的圍巖位移預(yù)測方法對(duì)隧道和圍巖的位移進(jìn)行預(yù)測可為隧道施工方法的優(yōu)化決策提供參考。 

【文章來源】：鐵道科學(xué)與工程學(xué)報(bào). 2020,17(09)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

d內(nèi)WRDK2+094斷面沉降值變化曲線Fig.2SettlementcurveoftheWRDK2+094sectionduring

第9期陳濤：基于滾動(dòng)時(shí)間序列SVR的地鐵咽喉區(qū)小凈距隧道圍巖位移預(yù)測2343圖3m=25，k=21時(shí)計(jì)算結(jié)果對(duì)比Fig.3Comparisonofcalculationresultwhenm=25,k=21圖4m=30，k=21時(shí)計(jì)算結(jié)果對(duì)比Fig.4Comparisonofcalculationresultwhenm=30,k=21一般來說，精度預(yù)測精度并不一定隨著預(yù)測天數(shù)的減少而提高，而是與測試樣本的變異系數(shù)(C.V)有關(guān)，計(jì)算各個(gè)區(qū)間測試樣本的變異系數(shù)(C.V)如表2所示，取k分別為13，17和21時(shí)得到的平均絕對(duì)相對(duì)誤差(MAPE)，計(jì)算得到C.V與MAPE的相關(guān)系數(shù)分別為0.9430，0.8556和0.9468，均處于強(qiáng)相關(guān)的范圍，說明測試樣本的變化越大，變異系數(shù)越大，則預(yù)測難度增大從而精度降低，極端情況下，k為1，預(yù)測天數(shù)m為1時(shí)，此時(shí)測試集變異系數(shù)(C.V)為0，計(jì)算結(jié)果的3項(xiàng)評(píng)價(jià)指標(biāo)分別為0.1058%，0.1058%和0.89%，預(yù)測精度極高。同樣方法對(duì)150d內(nèi)的WRDK2+094斷面拱肩部位的水平收斂(絕對(duì)值)監(jiān)測數(shù)據(jù)進(jìn)行處理，如圖5所示，為收斂值的折線圖。表2各預(yù)測區(qū)間變異系數(shù)Table2Variablecoefficientofeachpredictionintervalm51015202530C.V1.972.222.422.163.735.49圖5150d內(nèi)WRDK2+094斷面拱肩水平收斂值(絕對(duì)值)變化曲線Fig.5Variationcurveofhorizontalconvergencevalue(absolutevalue)ofWRDK2+094crosssectionspandrelwithin150days根據(jù)表3中的結(jié)果可以看出，對(duì)于同樣的測試樣本，不同的k值決定了SVR的性能，當(dāng)k=1時(shí)，MAPE均小于5%，當(dāng)k=17時(shí)，MAPE最小為1.42%，最大達(dá)38.28%。故對(duì)于不同的預(yù)測天數(shù)時(shí)，應(yīng)尋找最優(yōu)的k值以使SVR的性?

鐵道科學(xué)與工程學(xué)報(bào)2020年9月2344預(yù)測值有一定的波動(dòng)，但也逐漸的有收斂趨勢，且未大于10mm，151~167d的實(shí)測值也收斂于10mm，同樣遠(yuǎn)低于報(bào)警值24mm。表3水平收斂值預(yù)測結(jié)果評(píng)價(jià)指標(biāo)Table3EvaluationindexofpredictionresultsofhorizontalconvergencekmRMSEMAE/mmMAPE/%150.23240.15291.89100.27500.21712.61150.21080.14721.73200.38560.02630.04250.61370.38434.04300.25620.01910.32550.30080.23592.90100.42150.37734.52150.53780.49045.76200.64120.20912.76250.69280.42294.44300.54710.40954.73950.37700.32613.99100.33000.20742.54150.62020.57296.70200.43890.23152.82250.31410.04640.37300.39840.09300.941350.29540.10731.23100.45110.36154.37150.53530.49495.80200.72650.65117.18250.61320.51956.01300.45990.10971.121750.34120.12441.42100.21940.14031.66151.12131.067912.51200.81850.78168.78251.53321.371815.60303.73593.406938.282150.31270.26823.22100.37320.32143.82151.17191.134013.24200.37910.29433.40252.97182.726330.78303.40293.060334.46圖6沉降預(yù)測值與實(shí)測值的對(duì)比Fig.6Comparisonbetweenthepredictedandmeasuredvalueofsettlement圖7拱肩水平收斂預(yù)測值與實(shí)測值的對(duì)比Fig.7Comparisonbetweenthepredictedandmeasuredvaluesofhorizontalconvergenceinthespandrel4結(jié)論1)采用時(shí)間序列法創(chuàng)建SVR預(yù)測圍巖位移，其輸出結(jié)果不僅較好地?cái)M合原數(shù)據(jù)的趨勢，并可還原實(shí)測數(shù)據(jù)小范圍內(nèi)的波動(dòng)，其預(yù)測精度也保持在較高的水平。2)采用時(shí)間序列法SVR對(duì)拱肩的水平收斂值

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)模型的四川省滑坡災(zāi)害易發(fā)性區(qū)劃[J]. 王衛(wèi)東,劉攀,龔陸.  鐵道科學(xué)與工程學(xué)報(bào). 2019(05)
[2]基于支持向量機(jī)沉降代理模型復(fù)合地基優(yōu)化設(shè)計(jì)方法[J]. 陳昌富,李欣,龔曉南,俞建霖.  鐵道科學(xué)與工程學(xué)報(bào). 2018(06)
[3]大斷面鐵路隧道室內(nèi)模型試驗(yàn)與分析研究[J]. 梁慶國,樊純壇,趙志強(qiáng).  鐵道科學(xué)與工程學(xué)報(bào). 2017(09)
[4]基于粒子群算法優(yōu)化支持向量機(jī)的巖爆預(yù)測研究[J]. 汪華斌,盧自立,邱杰漢,劉文浩,張玲.  地下空間與工程學(xué)報(bào). 2017(02)
[5]基于改進(jìn)的支持向量機(jī)隧道變形預(yù)測模型[J]. 周奇才,范思遐,趙炯,熊肖磊.  鐵道工程學(xué)報(bào). 2015(03)
[6]基于灰色—進(jìn)化神經(jīng)網(wǎng)絡(luò)的滑坡變形預(yù)測研究[J]. 高瑋,馮夏庭.  巖土力學(xué). 2004(04)
[7]非線性位移時(shí)間序列預(yù)測的進(jìn)化-支持向量機(jī)方法及應(yīng)用[J]. 趙洪波,馮夏庭.  巖土工程學(xué)報(bào). 2003(04)
[8]人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用[J]. 高浪,謝康和.  土木工程學(xué)報(bào). 2002(04)



本文編號(hào)：3546691