基于v-SVR算法的隧道地表沉降预测方法研究与应用

下载PDF

导出

摘要提出一种基于v-SVR的隧道地表沉降预测方法,它很好地表达了隧道地表沉降与其影响因素之间的非线性映射关系,并用其建立了相应的模型,预测结果表明利用该法进行隧道地表沉降预测是可行和有效的。

作者张文杰余志雄

机构地区广州市市政工程安全质量监督站广州市广园路建设公司

出处《广东土木与建筑》 2008年第11期53-54,61,共3页 Guangdong Architecture Civil Engineering

关键词隧道地表沉降预测 v-SVR 留一法广度优先算法

参考文献6

1米鸿燕,蒋兴华.基于灰色BP神经网络的沉降预测模型应用研究[J].昆明理工大学学报（理工版）,2007,32(2):65-68. 被引量：17
2Vapnik,V. The Nature of Statistical Learning Theory (2nd ed) [ M ]. Berlin: Springer, 1999.
3Scholkopf B.,Smola A.,Williamson R.C. Bartlett P.L. New support vector algorithms[J]. Neural Computation, 2000(5).
4Wei-I Chou,Antonio Bobet. Predictions of ground deformations in shallow tunnels in clay[J]. Tunnelling and Un- derground Space Technology,2002.
5余志雄,周创兵,李俊平,史超.基于ν-SVR算法的边坡稳定性预测[J].岩石力学与工程学报,2005,24(14):2468-2475. 被引量：38
6赵洪波,冯夏庭.位移反分析的进化支持向量机研究[J].岩石力学与工程学报,2003,22(10):1618-1622. 被引量：50

1冯夏庭,王泳嘉,卢世宗.边坡稳定性的神经网络估计[J].工程地质学报,1995,3(4):54-61. 被引量：115
2盛振中.基于灰色系统理论的建筑沉降预测方法及其实证分析[J].北方工业大学学报,2006,18(1):91-94. 被引量：9
3高宁,高彩云,吴良才.关于BP神经网络转换GPS高程的若干问题[J].测绘工程,2006,15(3):67-69. 被引量：18
4杨林德.岩土工程问题的反演理论和工程实践[M].北京:科学出版社,1999..
5Alex J Smola, Bemhard Schoelkopf. A tutorial on support vector regression[R]. NeuroCOLT2 Technical Report Series NC2-TR-1998030,1998.
6Burge C J C. A tutorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery. 1998. (2):121-167.
7John C Platt. Sequential minimal optimization: a fast algorithm for training support vector maehines[R]. Technical Report MSR-TR-98-14, 1998.
8孙均蒋树屏等.岩土力学反演问题的随机理论与方法[M].汕头:汕头大学出版社,1996..
9闻新周露.MATLAB神经网络应用设计[M].北京：科学出版社,2001..
10易达徐明毅陈胜宏.遗传算法在岩体初始应力场反演中的应用[J].岩石力学与工程学报,2001,20(2):1618-1622.

广东土木与建筑

2008年第11期

内容加载中请稍等...