基于KPCA-IPSO-SVM模型的地下洞室围岩变形预测研究

摘要：

为了提高地下洞室施工期围岩变形预测的准确性和运算速度,研究了 KPCA-IPSO-SVM预测模型在地下洞室施工期围岩变形预测中的运用,并对粒子群算法(PSO)进行改进.核主成分分析法(KPCA)可将输入参数映射到高维空间处理,依据累计贡献度提取模型输入的非线性主元,降低输入参数的维度;改进粒子群算法(IPSO)对支持向量机(SVM)的核函数参数和惩罚因子进行优化.以向家坝水电站地下洞室施工期围岩变形监测数据作为研究对象,对该模型进行训练和预测,并将KPCA-IPSO-SVM模型与单一 SVM、PSO-SVM、IPSO-SVM预测模型进行比较.结果表明,KPCA-IPSO-SVM模型具有更高的预测精度和运算速度.

关键词：核主成分分析、改进粒子群算法、支持向量机、地下洞室、围岩变形、变形预测

所属期刊栏目：49

分类号：TV223.1

资助基金：国家重点研发计划2018YFC0406803

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：58-62