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

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.

/ 推荐

[1]	孙红林, 刘铁, 刘铁华, 化希瑞, 蔡盛, 周维. 隧道超前地质预报发展趋势与实践[J]. 隧道建设, 2026, 46(S1): 9-28.
[2]	杨佑权, 林春刚, 宋仁杰, 苏航, 李雅歌, 周志彬, 张丹枫, 伍毅敏, 傅鹤林. 基于图像识别、随钻参数与多源融合的钻爆法隧道围岩智能分级方法综述[J]. 隧道建设, 2026, 46(S1): 29-51.
[3]	刘青正, 杨延栋, 卢高明, 颜仁富, 张永明, 朱晓亮, 李恩雷, 刘文帅, 王军利, 刘强, 姚小敏, 翟超杰. 基于响应面和遗传算法的TBM隧道超前管棚支护参数优化[J]. 隧道建设, 2026, 46(S1): 443-455.
[4]	谭忠盛, 张宝瑾, 赵金鹏, 周振梁, 李庆楼, 张武. 高地应力破碎软弱围岩隧道严重大变形主动控制技术及工程应用[J]. 隧道建设, 2026, 46(S1): 456-466.
[5]	朱碧堂, 孙俊宇, 刘银芳, 郭剑. 圆砾土-泥质粉砂岩复合地层中盾构上漂问题分析与引孔破岩处置技术[J]. 隧道建设, 2026, 46(S1): 467-476.
[6]	王睿, 鄢浩, 汪波, 王柏凯, 李春香, 郭新新. 多尺度深度卷积融合动态采样策略的隧道衬砌渗漏水检测模型[J]. 隧道建设, 2026, 46(S1): 575-586.
[7]	齐欢, 任大力, 罗国艳, 李明旭, 张裕良, 殷伟淞. 层理面倾角对深埋输水隧洞围岩稳定性的影响及控制方法[J]. 隧道建设, 2026, 46(9): 2011-2023.
[8]	张世殊, 邓兴富, 杨兴义, 徐晨, 夏才初. 基于Hoek-Brown准则的高内压洞室围岩应变软化特性[J]. 隧道建设, 2026, 46(7): 1546-1558.
[9]	颜志坚, 李宏伟, 马荐驰, 张俊儒, 方钱宝, 邓启华, 王圣涛, 王兴平. 深埋地下罐式硐室围岩应力解析方法及应用[J]. 隧道建设, 2026, 46(7): 1586-1598.
[10]	王建楠, 王春华, 任富强, 李青松, 刘怀谦, 马庆, 刘浩, 宋鑫, 汪杰, 林益超. 基于流固耦合效应的富水破碎地层双护盾TBM隧道围岩渗压与变形演化[J]. 隧道建设, 2026, 46(6): 1244-1253.
[11]	邹弈, 朱碧堂, 罗如平, 欧阳华, 王嘉豪, 罗乐. 富水断层破碎带非均质注浆体力学特性试验[J]. 隧道建设, 2026, 46(4): 741-750.
[12]	赵思光, 王明年, 童建军, 夏覃永, 李泽星, 霍建勋, 易文豪. 基于改进ER规则的隧道围岩智能分级Stacking集成学习模型[J]. 隧道建设, 2026, 46(4): 777-789.
[13]	王延宁, 李太凯, 闵新皓. 机器学习在隧道工程中的应用研究进展[J]. 隧道建设, 2026, 46(2): 233-245.
[14]	张俊儒, 陈鹏涛, 王立川, 王文, 贺维国, 蒋新强, 黄林祥, 潘童. 基于位移预测的拱盖法暗挖车站支护参数优选方法[J]. 隧道建设, 2026, 46(2): 260-272.
[15]	胥青松, 史爱军, 陈斌, 马舒琪, 赵岩. 基于声学全波形信号的隧道围岩爆破累积损伤定量表征方法[J]. 隧道建设, 2026, 46(2): 273-286.

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