基于PSO-SVM桥梁基础群桩轴力预测

由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂非线性关系。本文利用支持向量机模型,对苏通大桥群桩基础轴力实测数据进行分析,为了避免人为选择支持向量机模型参数的盲目性,采用了粒子群算法(PSO)寻找最优参数,由此建立了PSO-SVM模型。为了方便对比,建立了传统SVM与RBF神经网络预测模型,利用PSO-SVM、SVM、RBF三种模型对受力情况不同的四根监测桩进行轴力预测,分别对比了三种模型在不同桩的预测结果。研究表明,与传统SVM、RBF的预测结果相比,PSO-SVM模型预测精度更高,在轴力变化不同的四根桩上预测都很稳健,具有更强的泛化能力,在大型深水群桩基础轴力预测中具有一定的工程应用价值。