基于LS-SVM的圍巖位移非線性預(yù)測應(yīng)用研究.pdf

1、在隧道工程或地下工程建設(shè)中，根據(jù)已有的監(jiān)測數(shù)據(jù)預(yù)測未來的圍巖位移變化情況對支護設(shè)計和施工以及對險情預(yù)報都具有重要的實際意義。由于圍巖系統(tǒng)具有非線性、模糊性和不確定性等特點，而傳統(tǒng)的精確數(shù)學(xué)模型方法在建模時往往作許多假設(shè)，造成與實際情況相差較大。 支持向量機是在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小化原則的基礎(chǔ)上提出的一種新的機器學(xué)習(xí)方法，它追求的是在有限樣本情況下的最優(yōu)解而不僅僅是樣本數(shù)趨于無窮大時的最優(yōu)解，比以經(jīng)驗風(fēng)險最小化為

2、基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法具有更強的理論依據(jù)和更好的泛化性能。最小二乘支持向量機是普通支持向量機的改進算法，它通過將最小二乘線性系統(tǒng)引入支持向量機，代替?zhèn)鹘y(tǒng)的支持向量機采用二次規(guī)劃方法解決函數(shù)估計問題的做法，簡化了模型參數(shù)，加快了運算速度。本研究將最小二乘支持向量機引入到地下工程圍巖位移預(yù)測分析中，并建立位移預(yù)測模型應(yīng)用于位移數(shù)據(jù)的預(yù)測。 在本文研究中先選用某個函數(shù)生成數(shù)據(jù)序列，運用兩種不同的預(yù)測方式對LS-SVM進行模擬。一種是回

3、歸分析預(yù)測，即把輸入值(時間)作為因變量變化的唯一原因，把函數(shù)自變量和函數(shù)輸出值構(gòu)造成訓(xùn)練樣本。另一種是等步長時序預(yù)測，即把前面的位移序列看成后面位移值的原因，選取位移序列中的數(shù)據(jù)構(gòu)建訓(xùn)練樣本。在構(gòu)建樣本時加入噪聲的影響以模仿實際情況。模型參數(shù)采用交叉驗證的方法進行優(yōu)選，確保參數(shù)全局最優(yōu)。并運用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)對相同的訓(xùn)練樣本進行訓(xùn)練，對相同的測試樣本進行等步長時序預(yù)測，比較了其和最小二乘支持向量機的預(yù)測效果。通過模擬試驗得

4、知：最小二乘支持向量機等步長時序預(yù)測效果好于徑向基神經(jīng)網(wǎng)絡(luò)的預(yù)測效果。最小二乘支持向量機回歸預(yù)測對訓(xùn)練樣本數(shù)據(jù)區(qū)間內(nèi)的預(yù)測精度很高，但是對前向外推預(yù)測效果不是很好；等步長時序分析對前向外推預(yù)測效果較好。因此對未來數(shù)據(jù)的預(yù)測用LS-SVM等步長前向外推預(yù)測更好些。 由于監(jiān)測方案的設(shè)計和各種施工因素的影響，很多情況下，監(jiān)測數(shù)據(jù)時間間隔并不相等。文中結(jié)合回歸預(yù)測和等步長時序預(yù)測的優(yōu)點，先用回歸擬合對監(jiān)測數(shù)據(jù)進行預(yù)測處理，生成時序分析所