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]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	张发, 彭轲, 蔡直言, 郭成超. 基于模型试验的隧道刚柔复合衬砌承载特征[J]. 隧道建设, 2026, 46(2): 301-309.
[7]	李文庆, 刘永胜, 洪开荣, 寇磊, 谭忠盛, 许维青, 马世举, 朱永超, 于京波. TBM隧道掘进参数与围岩等级的映射关系[J]. 隧道建设, 2026, 46(2): 336-347.
[8]	艾文凯. 层状岩体高铁隧道大变形特征及非对称支护变形控制[J]. 隧道建设, 2026, 46(2): 371-382.
[9]	潘岳, 谢韬, 刘永胜, 高攀, 杨振兴. 硬岩破碎带TBM卡机风险智能判识及预防技术[J]. 隧道建设, 2026, 46(2): 383-393.
[10]	侯昆洲, 任赛楠, 杨重良, 龙斌, 齐梦学. TBM自动巡航系统研究与应用[J]. 隧道建设, 2026, 46(2): 406-418.
[11]	仉文岗, 严玉苗, 吴志昊, 何齐海, 孙伟鑫, 张煌, 齐如见, 陈真. Application of Transparent Soil Materials in Geotechnical Tunnel Model Tests（透明土材料在隧道岩土工程模型试验中的应用综述）[J]. 隧道建设, 2026, 46(1): 1-34.
[12]	周晓敏, 刘勇, 马文著, 宋宜祥, 刘书杰, 张松, 张基伟. 深埋高水压隧道预注浆加固围岩弹塑性解析解及围岩特征曲线[J]. 隧道建设, 2026, 46(1): 35-45.
[13]	武飞, 刘保东, 张钰, 张继磊, 孔骁, 武亦彬, 王志宏. 倒扣增强型波纹钢构件抗弯性能试验研究及理论分析[J]. 隧道建设, 2026, 46(1): 113-123.
[14]	李轶惠, 许振浩, 潘东东, 杨文韬, 张弛. 一种融合几何学习特征的隧道围岩结构面特征点云提取方法[J]. 隧道建设, 2026, 46(1): 124-133.
[15]	王旭, 喻渝, 李志军, 孙伯乐, 李奎, 高攀. 钻爆法隧道施工通风机与通风管安装维护工艺研究综述[J]. 隧道建设, 2025, 45(S2): 49-62.

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