基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用

doi:10.3973/j.issn.1672-741X.2014.01.003

中国科学引文数据库（CSCD）来源期刊
中文核心期刊中文科技核心期刊
Scopus RCCSE中国核心学术期刊
美国EBSCO数据库俄罗斯《文摘杂志》
《日本科学技术振兴机构数据库（中国）》

隧道建设（中英文） ›› 2014, Vol. 34 ›› Issue (1): 13-18.DOI: 10.3973/j.issn.1672-741X.2014.01.003

基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用

邱志刚

（新疆维吾尔自治区交通规划勘察设计研究院，新疆乌鲁木齐 830006）

收稿日期:2013-09-25 修回日期:2013-11-10 出版日期:2014-01-20 发布日期:2014-01-21
作者简介:邱志刚（1982—），男，湖北麻城人，2004年毕业于新疆大学，测绘工程专业，本科，工程师，主要从事公路工程测绘工作。

Highway Tunnel Surrounding Rock Deformation Prediction Model Based on Support Vector Machine Optimized by Ant Colony Optimization and Its Application

QIU Zhigang

(Transportation Planning, Survey and Design Institute of Xinjiang Uygur Autonomous Region, Urumqi 830006, Xinjiang, China)

Received:2013-09-25 Revised:2013-11-10 Online:2014-01-20 Published:2014-01-21

摘要/Abstract

摘要：

为及时掌握隧道施工中围岩变形趋势以便采取措施加以控制，采用基于结构风险最小化的支持向量机（SVM）进行预测。介绍支持向量机的基本原理，研究蚁群算法（ACO）实现支持向量机参数优化的方法，构建ACOSVM模型。对某公路隧道随机选取的2个监测断面的预测结果表明，该模型预测精度较高，泛化性能较好，用蚁群算法进行SVM参数优选是一种简单、优选的方法，可以有效指导隧道的施工。

关键词: 隧道工程, 围岩, 变形预测, 支持向量机, 蚁群算法, 参数优化

Abstract:

Support vector machine (SVM) based on structural risk minimization is used to predict the deformation of tunnel surrounding rocks, so as to understand the deformation trend of the surrounding rocks and to take measures to control the deformation. In the paper, the principle of support vector machine is described, the parameter optimization method based on ant colony optimization (ACO) is studied, and the ACOSVM model is established. The deformation prediction model has been applied in the construction of a highway tunnel, which shows that the model has high precision and can provide effective guidance for the tunnel construction. The paper can provide reference for similar projects in the future.

Key words: tunnel, surrounding rock, deformation, prediction, support vector machine, ant colony optimization, parameter optimization

邱志刚. 基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用[J]. 隧道建设, 2014, 34(1): 13-18.

QIU Zhigang. Highway Tunnel Surrounding Rock Deformation Prediction Model Based on Support Vector Machine Optimized by Ant Colony Optimization and Its Application[J]. Tunnel Construction, 2014, 34(1): 13-18.

[1]	李志军, 郭新新, 马振旺, 杨铁轮, 徐建强. Research Status and Highstrength Prestressed Primary (type)（挤压大变形隧道研究现状及高强预应力一次（型）支护体系）[J]. 隧道建设, 2020, 40(6): 769-782.
[2]	陈子全, 寇昊, 杨文波, 何川, 李永林. 我国西南部山区隧道施工期支护结构力学行为特征案例分析[J]. 隧道建设, 2020, 40(6): 800-812.
[3]	张翾, 黑世强, 戴世伟. 基于变分法原理的浅埋隧道围岩压力上限研究[J]. 隧道建设, 2020, 40(5): 679-685.
[4]	陈子健, 闫自海, 甘鹏路, 左凯华. 隧道围岩稳定性改进模糊概率模型及其应用研究[J]. 隧道建设, 2020, 40(4): 504-511.
[5]	傅支黔, 段儒禹, 聂大丰, 华阳, 董宇苍. 不同土质围岩条件下隧底围岩脱空规律与结构受力特征研究[J]. 隧道建设, 2020, 40(3): 306-315.
[6]	段志伟, 杜立杰, 吕海明, 王家海, 刘海东, 富勇明. 基于主成分分析与BP神经网络的TBM围岩可掘性分级实时识别方法研究[J]. 隧道建设, 2020, 40(3): 379-388.
[7]	廖峻, 肖博, 王道良, 石波. 隧道穿越泥石流沟防治设计的几个问题探讨 [J]. 隧道建设, 2020, 40(1): 75-82.
[8]	傅支黔, 江勇涛, 聂大丰, 华阳, 董宇苍. 列车荷载-地下水耦合作用下隧底围岩强度参数劣化规律研究[J]. 隧道建设, 2019, 39(S2): 36-43.
[9]	于丽, 孙源, 王明年, 夏鹏曦, 王广科. 考虑通风与围岩条件的寒区隧道温度场模型及作用规律研究[J]. 隧道建设, 2019, 39(S2): 85-91.
[10]	宋远, 黄明利. 地铁隧道新型初期支护结构支护参数敏感性正交数值模拟试验[J]. 隧道建设, 2019, 39(S2): 163-168.
[11]	王志杰，唐力，蒋新政，侯伟名，徐海岩，季晓峰. 大断面公路隧道临近溶洞开挖稳定性模型试验研究[J]. 隧道建设, 2019, 39(S1): 16-24.
[12]	汪旭，孟露，程德胜，卢松. TBM施工隧道管片衬砌段回填注浆质量检测综合物探方法研究及应用[J]. 隧道建设, 2019, 39(S1): 166-175.
[13]	赵俊杰，贾斌，张东，曹明星，李德武. 基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析[J]. 隧道建设, 2019, 39(S1): 220-226.
[14]	赵汝亮，姚红志，何彪，郭华伟，叶飞. 砂卵石地层台阶法施工隧道围岩-支护结构应力应变特性三维离散元分析[J]. 隧道建设, 2019, 39(S1): 235-244.
[15]	邵帅，伍毅敏，郝广伟，徐文浩. 基于分布式压密传感器的隧道衬砌防脱空主动监测[J]. 隧道建设, 2019, 39(S1): 284-289.

基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用

Highway Tunnel Surrounding Rock Deformation Prediction Model Based on Support Vector Machine Optimized by Ant Colony Optimization and Its Application

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价