發(fā)布時(shí)間：2018-04-02 07:39

  本文選題：巖體力學(xué)參數(shù)　切入點(diǎn)：人工魚群　出處：《現(xiàn)代隧道技術(shù)》2017年05期

【摘要】：在隧道位移反分析方面,文章針對(duì)BP神經(jīng)網(wǎng)絡(luò)易過(guò)度訓(xùn)練樣本及小樣本精度較低的缺陷,利用支持向量機(jī)(SVM)良好的泛化能力,提出了一種基于支持向量機(jī)進(jìn)行隧道工程的彈塑性位移反分析方法。同時(shí)考慮支持向量機(jī)的性能很大程度依賴于參數(shù)的選擇,運(yùn)用改進(jìn)的人工魚群(IAF)高效的全局搜索能力,尋找最優(yōu)的SVM參數(shù),以此避免SVM在參數(shù)選擇上的隨機(jī)性。利用FLAC3D軟件進(jìn)行某隧道工程正分析計(jì)算,依據(jù)若干測(cè)點(diǎn)的位移計(jì)算結(jié)果,運(yùn)用該方法進(jìn)行彈塑性位移反演。結(jié)果表明,在小樣本空間里,該方法的收斂速度和反演精度均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。
[Abstract]:In the back analysis of tunnel displacement, aiming at the defects of BP neural network which is easy to overtrain samples and small samples with low accuracy, the support vector machine (SVM) has good generalization ability. An elastoplastic displacement back analysis method based on support vector machine (SVM) for tunnel engineering is proposed. Considering that the performance of SVM depends heavily on the selection of parameters, the improved artificial fish swarm (IAF) is used to improve the global search ability. In order to avoid the randomness of SVM in parameter selection, the optimal SVM parameters are found. The forward analysis calculation of a tunnel project is carried out by using FLAC3D software. According to the displacement calculation results of some measuring points, the elastoplastic displacement inversion is carried out by using this method. The results show that, In small sample space, the convergence rate and inversion accuracy of this method are better than that of BP neural network.
【作者單位】： 遼寧科技大學(xué)土木工程學(xué)院;河北省高速公路管理局路政總隊(duì);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51274053)
【分類號(hào)】：TP18;U456.31

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉開云;喬春生;劉保國(guó);;基于遺傳-廣義回歸神經(jīng)元算法的塢石隧道三維彈塑性位移反分析研究[J];巖土力學(xué);2009年06期

2 劉維倩，黃光遠(yuǎn)，，穆永科，孟昭波，王中偉，卞鳳生;巖土工程中的位移反分析法[J];計(jì)算結(jié)構(gòu)力學(xué)及其應(yīng)用;1995年01期

3 馮小晗;;解析位移反分析法在隧道工程中的運(yùn)用[J];山西建筑;2010年05期

4 安紅潤(rùn);范飛;耿志宏;;平面應(yīng)變邊界元的位移反分析在阿拉坦隧道中的應(yīng)用[J];工程建設(shè)與設(shè)計(jì);2010年09期

5 高廣運(yùn);馮世進(jìn);李鴻博;;卵礫石層中隧道考慮松動(dòng)圈的位移反分析應(yīng)用[J];地下空間與工程學(xué)報(bào);2008年01期

6 馬為功;李德武;馬小虎;;基于Matlab神經(jīng)網(wǎng)絡(luò)工具箱的隧道位移反分析研究[J];蘭州交通大學(xué)學(xué)報(bào);2010年04期

7 彭劍文;趙奎;曹宗權(quán);馬乾天;劉明榮;;FLAC和神經(jīng)網(wǎng)絡(luò)在隧道位移反分析中的應(yīng)用[J];有色金屬科學(xué)與工程;2011年06期

8 孫其清;趙萬(wàn)強(qiáng);高峰;喻渝;匡亮;;烏鞘嶺隧道F4斷層支護(hù)結(jié)構(gòu)位移反分析[J];鐵道工程學(xué)報(bào);2008年02期

9 王樹棟;;基于進(jìn)化神經(jīng)元算法的堡鎮(zhèn)隧道軟弱圍巖施工彈塑性智能位移反分析[J];北京交通大學(xué)學(xué)報(bào);2010年03期

10 萬(wàn)良勇;張雪峰;劉開云;;智能三維位移反分析法在淺埋偏壓隧道中的應(yīng)用[J];北京交通大學(xué)學(xué)報(bào);2012年04期

相關(guān)會(huì)議論文 前10條

1 陳曉斌;張家生;;位移反分析技術(shù)在界牌坳隧道工程中的應(yīng)用[A];中國(guó)交通土建工程學(xué)術(shù)論文集（2006）[C];2006年

2 李鴻博;;曙光軟件在隧道工程位移反分析中的應(yīng)用[A];中國(guó)土木工程學(xué)會(huì)第十二屆年會(huì)暨隧道及地下工程分會(huì)第十四屆年會(huì)論文集[C];2006年

3 彭長(zhǎng)勝;;ANSYS中的優(yōu)化設(shè)計(jì)與位移反分析法[A];中國(guó)交通土建工程學(xué)術(shù)論文集（2006）[C];2006年

4 高慧;趙建玉;賈磊;;基于前向型神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

5 楊炳堯;韓大建;顏全勝;;使用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行橋梁缺損狀況評(píng)估[A];第十六屆全國(guó)橋梁學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2004年

6 [k克W;李圫才;

本文編號(hào)：1699431