【摘要】：邊坡的位移情況是其穩(wěn)定性的關(guān)鍵因素,所以對(duì)邊坡位移的監(jiān)測(cè)和預(yù)測(cè)在工程施工中必不可少,通過建立有效的預(yù)測(cè)模型來分析邊坡位移的規(guī)律及趨勢(shì),確定邊坡的穩(wěn)定性,是邊坡位移預(yù)測(cè)的最終目的。針對(duì)目前常用的預(yù)測(cè)模型在模型建立和預(yù)測(cè)精度上都存在一定的問題,本文在支持向量機(jī)回歸機(jī)的理論基礎(chǔ)上,提出將遺傳算法和蟻群算法組合起來,并改進(jìn)蟻群算法的信息素生成策略,將此組合優(yōu)化算法用于優(yōu)化支持向量機(jī)參數(shù),最終建立起基于此組合算法的支持向量機(jī)預(yù)測(cè)模型應(yīng)用于邊坡位移預(yù)測(cè)中。本文首先闡述了邊坡位移預(yù)測(cè)的研究背景及意義,以及目前邊坡變形預(yù)測(cè)和支持向量機(jī)的研究現(xiàn)狀,并介紹了基本遺傳算法和蟻群算法以及支持向量機(jī)的相關(guān)理論知識(shí)。針對(duì)在建立支持向量機(jī)邊坡預(yù)測(cè)模型中核函數(shù)選取的問題,開展了研究工作,選取了目前常用的兩種核函數(shù)分別建立起預(yù)測(cè)模型進(jìn)行了預(yù)測(cè)實(shí)驗(yàn),結(jié)果表明應(yīng)用高斯徑向基核函數(shù)在建立邊坡預(yù)測(cè)模型中具有更好的預(yù)測(cè)效果。故本文選取高斯徑向基核函數(shù)來開展基于組合算法建立支持向量機(jī)邊坡預(yù)測(cè)模型的研究工作。其次為了解決支持向量機(jī)參數(shù)選取的問題,提出將遺傳算法和蟻群算法組合起來,并改進(jìn)蟻群算法中的信息素生成策略,將其應(yīng)用于支持向量機(jī)的參數(shù)尋優(yōu)中。為了驗(yàn)證組合算法的優(yōu)勢(shì)性,進(jìn)行了商旅求最短路徑的實(shí)驗(yàn)研究,結(jié)果表明組合算法的優(yōu)化性能要比這兩種算法的優(yōu)化性能更高。故將此組合算法應(yīng)用于支持向量機(jī)參數(shù)的尋優(yōu)中,并構(gòu)建基于組合優(yōu)化算法的支持向量機(jī)邊坡預(yù)測(cè)模型。最后將此模型應(yīng)用于兩個(gè)工程實(shí)例中,通過編寫的Matlab程序,對(duì)其進(jìn)行實(shí)驗(yàn),并與分別應(yīng)用遺傳算法和蟻群算法優(yōu)化建立的支持向量機(jī)預(yù)測(cè)模型進(jìn)行精度比較,以平均相對(duì)誤差給予評(píng)價(jià)。最終實(shí)驗(yàn)結(jié)果表明,基于遺傳算法優(yōu)化構(gòu)建的支持向量機(jī)邊坡預(yù)測(cè)模型其所預(yù)測(cè)的平均相對(duì)誤差為3.07%和3.21%,基于蟻群算法所構(gòu)建的預(yù)測(cè)模型其平均相對(duì)誤差為1.82%和1.63%,而基于組合優(yōu)化算法所構(gòu)建的預(yù)測(cè)模型其平均相對(duì)誤差為1.02%和0.97%�？梢�,基于組合算法優(yōu)化支持向量機(jī)參數(shù)的邊坡預(yù)測(cè)模型具有著更好的預(yù)測(cè)效果,可應(yīng)用于實(shí)際工程之中。
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TU43;TP18
【圖文】：

第二章 遺傳算法和蟻群算法異操作。在交叉操作中，通過設(shè)定好交叉算子和交叉率，對(duì)種群中隨機(jī)兩條父代染色體組合進(jìn)行交叉重組操作，得到新的兩條子代染色體。父代是經(jīng)過選擇策略保留下來具有較高適應(yīng)度的染色體，所以其所具有的較好的基因被遺傳到子代，經(jīng)過每次迭代循環(huán)進(jìn)行父代種群進(jìn)行交叉操作，其優(yōu)良基因都會(huì)被遺傳保留下去，最終會(huì)收斂得到一條具有最優(yōu)基因的染色體，即為所求解問題的最優(yōu)解。通常所運(yùn)用的交叉方法是雙點(diǎn)交叉，如圖 2.1 所示：

通過設(shè)定適應(yīng)度函數(shù)評(píng)估次數(shù)和搜索精度來決定。2.1.3 遺傳算法的具體流程圖2.3 所示為基本遺傳算法的操作流程圖，具體的運(yùn)行操作步驟描述如下：Step1.初始化，按照某種隨機(jī)方式獲取初始種群P ，種群數(shù)量為N ，對(duì)種群中所以個(gè)體變異變異位置

aniezo V 首先提出的一種模擬螞蟻群體行為的智能優(yōu)覓食過程中的信息傳遞機(jī)制及其對(duì)覓食最短路徑的尋等優(yōu)點(diǎn)，目前在各個(gè)領(lǐng)域都得到應(yīng)用，從離散問題到化性能�；驹砦锒家圆煌姆绞竭M(jìn)行著信息的傳遞。螞蟻在外出覓釋放一種會(huì)隨著時(shí)間推移逐漸揮發(fā)的分泌物質(zhì)，稱之息，并根據(jù)其量的大小來指引它們接下來的前進(jìn)方位擇的幾率越大，隨之而來的螞蟻數(shù)量也逐漸增多，因信息素也隨之越來越多，同時(shí)就有更多的螞蟻以更大的正反饋現(xiàn)象，正是因?yàn)檫@種機(jī)制，螞蟻群體最后都，也就是巢穴離食物最短那條的路徑。在這里，為了程中路徑搜索的原理和機(jī)制，結(jié)合圖示2.4 所示加以形

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于良;張靈凱;;基于網(wǎng)格參數(shù)尋優(yōu)法的支持向量機(jī)邊坡位移預(yù)測(cè)研究[J];城市地理;2017年02期

2 潘平;;基于小波神經(jīng)網(wǎng)絡(luò)理論的邊坡位移預(yù)測(cè)[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

3 呂金虎,陳益峰,張鎖春;基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的邊坡位移預(yù)測(cè)[J];系統(tǒng)工程理論與實(shí)踐;2001年12期

4 江婷;沈振中;徐力群;劉沖;談家誠(chéng);;基于支持向量機(jī)-小波神經(jīng)網(wǎng)絡(luò)的邊坡位移時(shí)序預(yù)測(cè)模型[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2017年02期

5 胡華;謝金華;;改進(jìn)的不等時(shí)距灰色馬爾科夫模型在邊坡位移預(yù)測(cè)中的應(yīng)用[J];水利與建筑工程學(xué)報(bào);2016年06期

6 陳紹桔;;邊坡位移時(shí)間序列分析預(yù)測(cè)[J];福建建筑;2008年06期

7 史永勝，許東俊;時(shí)序分析在邊坡位移預(yù)測(cè)中的應(yīng)用[J];巖土力學(xué);1995年04期

8 楊振杰;;邊坡位移監(jiān)測(cè)與控制[J];中國(guó)礦山工程;2006年04期

9 劉沐宇，池秀文，魏文暉，陸文興;時(shí)間序列分析法與邊坡位移預(yù)報(bào)[J];武漢工業(yè)大學(xué)學(xué)報(bào);1995年03期

10 陳秀勇;;有關(guān)相空間重構(gòu)及其在邊坡位移預(yù)測(cè)中的應(yīng)用研究[J];魅力中國(guó);2009年16期

相關(guān)會(huì)議論文 前8條

1 吳定洪;劉雄;;邊坡位移的時(shí)間序列分析方法研究[A];中國(guó)巖石力學(xué)與工程學(xué)會(huì)第三次大會(huì)論文集[C];1994年

2 李維朝;戴福初;劉漢東;武富強(qiáng);;對(duì)邊坡位移監(jiān)測(cè)曲線振蕩起伏的分析[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所2008學(xué)術(shù)論文匯編[C];2009年

3 李克鋼;張重慶;;基于時(shí)間序列的神經(jīng)網(wǎng)絡(luò)建模及邊坡位移預(yù)測(cè)[A];第十屆全國(guó)青年巖石力學(xué)與工程學(xué)術(shù)大會(huì)論文集[C];2009年

4 賈愚如;黃玉靈;;邊坡位移的數(shù)據(jù)處理及預(yù)測(cè)分析[A];自然邊坡穩(wěn)定性分析暨華鎣山形變體形變趨勢(shì)研討會(huì)論文摘要集[C];1991年

5 林大超;張瑞紅;齊宏偉;張富強(qiáng);;邊坡位移演化的多尺度分析[A];第九屆全國(guó)巖土力學(xué)數(shù)值分析與解析方法討論會(huì)論文集[C];2007年

6 史永勝;許東俊;;邊坡位移預(yù)測(cè)的疊合時(shí)序模型研究[A];面向21世紀(jì)的巖石力學(xué)與工程：中國(guó)巖石力學(xué)與工程學(xué)會(huì)第四次學(xué)術(shù)大會(huì)論文集[C];1996年

7 吳度希;;我國(guó)露天礦山邊坡位移監(jiān)測(cè)技術(shù)的新進(jìn)展分析[A];全國(guó)冶金礦山現(xiàn)代采礦技術(shù)及裝備學(xué)術(shù)研討會(huì)論文集[C];2012年

8 劉加洛;;預(yù)應(yīng)力錨索在某基坑支護(hù)中的應(yīng)用[A];錨固與注漿新技術(shù)——第二屆全國(guó)巖石錨固與注漿學(xué)術(shù)會(huì)議論文集[C];2002年

相關(guān)重要報(bào)紙文章 前1條

1 白靜;研發(fā)邊坡位移監(jiān)測(cè)系統(tǒng)[N];中國(guó)煤炭報(bào);2009年

相關(guān)博士學(xué)位論文 前1條

1 崔鳳展;強(qiáng)降雨作用下土質(zhì)深基坑穩(wěn)定性及其控制技術(shù)研究[D];中國(guó)礦業(yè)大學(xué)(北京);2016年

相關(guān)碩士學(xué)位論文 前10條

1 熊起;基于遺傳蟻群組合算法優(yōu)化SVM模型的邊坡位移預(yù)測(cè)研究[D];江西理工大學(xué);2019年

2 周萬習(xí);基于混合智能算法的邊坡位移預(yù)測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2017年

3 于良;基于混合核函數(shù)MAPSO-SVR的邊坡位移預(yù)測(cè)研究[D];江西理工大學(xué);2018年

4 代在波;基于粒子群算法的邊坡位移預(yù)測(cè)研究[D];重慶交通大學(xué);2016年

5 向璐;基于單目視覺的邊坡位移監(jiān)測(cè)研究[D];重慶交通大學(xué);2013年

6 陳峰;邊坡位移序列的預(yù)測(cè)模型研究與應(yīng)用[D];遼寧工程技術(shù)大學(xué);2008年

7 鄧賢國(guó);基于數(shù)值計(jì)算的邊坡位移監(jiān)測(cè)點(diǎn)優(yōu)化布設(shè)方法研究[D];西南石油大學(xué);2012年

8 嚴(yán)傳鵬;基于圖像處理的邊坡位移檢測(cè)方法研究[D];重慶交通大學(xué);2012年

9 季惠英;渝黔高速公路邊坡動(dòng)態(tài)監(jiān)測(cè)預(yù)警系統(tǒng)的開發(fā)[D];重慶大學(xué);2008年

10 張鵬;基于無偏灰色模糊馬爾可夫理論對(duì)邊坡位移預(yù)測(cè)的研究[D];武漢理工大學(xué);2013年

本文編號(hào)：2796074