论文部分内容阅读
岩土工程是一个非常复杂的系统工程,由于岩土介质的复杂性,岩土工程中的问题具有高度的非线性、不确定性、随机性和模糊性,建立精确的数学模型来模拟围岩的稳定性及建立精确的预测模型来预测围岩随时间变化的规律均存在很大的困难。智能岩石力学的提出和发展为其预测提供了新的途径,遗传算法和支持向量机的结合,对解决很难用数学模型描述的问题具有很好的适应性,并且具有广泛的应用前景。本文在前人研究的基础上,将遗传算法和支持向量机结合起来,构成进化支持向量机,对工程围岩变形进行预测。本文主要工作如下：(1)探讨了支持向量机算法的原理和应用,针对算法的参数选取问题做了进一步的研究,以对某工程实例中的围岩变形预测分析为基础,研究了支持向量机的核函数系数、惩罚因子C以及不敏感系数ε对支持向量机回归性能的影响规律,当各个参数达到最优组合时支持向量机才能发挥更好的性能。(2)为了使支持向量机的核函数系数、惩罚因子C以及不敏感系数ε达到最优组合,避免人为选择参数的盲目性,构造出了一种改进的支持向量机方法,从而提高了支持向量机的回归精度和推广预测能力。(3)利用遗传算法快速搜索支持向量机的参数,将遗传算法和支持向量机结合在一起,构成基于遗传算法的进化支持向量机方法,利用VC++工具开发出进化支持向量机预测系统,对某工程实例中的围岩变形重新进行预测分析,并对基于遗传进化的支持向量机参数敏感性做了进一步的研究,得出：敏感性最高的是不敏感系数ε,其次是惩罚因子C,敏感性最低的是核函数系数。(4)深入分析构皮滩水电站工程中蠕变试验数据和龙滩工程中围岩变形数据,挖掘其中的规律；根据变形数据构成进化支持向量机的学习样本,利用进化支持向量机预测系统优化参数,建立基于进化支持向量机的预测模型并进行预测,分析结果得出结论,验证了此方法的可行性。