本文選題：地下儲氣庫洞室群 + 最小二乘支持向量機(jī)�。� 參考：《爆破》2017年03期

【摘要】：超大斷面小凈距地下儲氣庫洞室群開挖爆破工程中涉及到眾多的影響因素,傳統(tǒng)人工智能方法難以對爆破峰值振動(dòng)速度準(zhǔn)確預(yù)測。為了提高預(yù)測精度,引入粒子群算法,對傳統(tǒng)的最小二乘支持向量機(jī)模型(LS-SVM)進(jìn)行優(yōu)化并建立粒子群最小二乘支持向量機(jī)爆破峰值振動(dòng)速度預(yù)測模型(PSO-LSSVM)。以某地下儲氣庫洞室群開挖爆破工程為研究對象,應(yīng)用PSO-LSSVM模型,將PSO-LSSVM模型與LS-SVM模型、薩道夫斯基經(jīng)驗(yàn)公式的預(yù)測結(jié)果進(jìn)行對比,得到三種預(yù)測的結(jié)果平均絕對相對誤差分別為:5.50%、8.56%、23.45%。由此可見,PSO-LSSVM模型的預(yù)測結(jié)果與實(shí)測數(shù)據(jù)擬合度更高,精確度更滿足工程需求,可為多因素作用下類似工程爆破峰值振動(dòng)速度預(yù)測提供借鑒。
[Abstract]:In order to improve the prediction accuracy , the PSO - LSSVM model is used to optimize the traditional least square support vector machine model ( LS - SVM ) and to establish a particle swarm least square support vector machine blasting peak vibration velocity prediction model ( PSO - LSSVM ) .
【作者單位】： 中國地質(zhì)大學(xué)(武漢)巖土鉆掘與防護(hù)教育部工程研究中心;中國地質(zhì)大學(xué)(武漢)工程學(xué)院;中交第二航務(wù)工程局有限公司博士后科研工作站;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(41672260) 中國地質(zhì)大學(xué)(武漢)教學(xué)實(shí)驗(yàn)室開放基金資助項(xiàng)目(SKJ2014061、SKJ2016091)
【分類號】：O382;TP18
，

本文編號：1980858