基于人工蜂群优化支持向量机回归的隧道塌方风险预测

摘要：

为预测隧道塌方风险等级,减少隧道塌方引起的灾害事故,建立基于人工蜂群(artificial bee colony,ABC)优化支持向量机回归(support vector machine regression,SVR)隧道塌方风险预测模型.首先,从工程地质、水文气象、设计因素、施工因素4个方面综合考虑,遴选13个主要影响因素,建立隧道塌方风险指标体系;其次,引入人工蜂群算法优化SVR的核参数C和惩罚参数g,解决传统SVR稳定性低的缺陷,提高模型的精确度,为验证模型性能采用相关系数(R2)、均方误差(mean squared error,MSE)、均方根误差(root mean squared error,RMSE)评价参数对比分析;最后,以新疆北部某供水工程为研究对象,对隧道塌方风险测试样本进行预测,分别将ABC-SVR、PSO-SVR、GA-SVR及SVR模型对比分析.研究结果表明:ABC-SVR预测结果为100％,PSO-SVR预测结果为83.3％,GA-SVR和SVR均为66.67％,ABC-SVR的预测结果与实际工程结果一致性更高,可为隧道塌方风险评估提供科学的决策依据.

关键词：隧道塌方、人工蜂群算法、支持向量机回归、相关系数、均方误差、均方根误差

所属期刊栏目：23

分类号：X913(安全科学基础理论)

资助基金：国家自然科学基金51668037

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3997-4003