基于LSTM-SVM的隧道围岩位移预测

提出了一种基于长短时记忆神经网络算法的支持向量机(LSTM-SVM)的隧道围岩位移预测方法,为了保证支持向量机(SVM)预测结果的准确性,选用粒子群算法(PSO)和遗传算法(GA)对支持向量机参数进行优化处理。为了减小在多步预测算法(MS)中,由于误差的传递导致最终预测结果与实际结果产生较大偏离,在多步预测运算过程中对当前步之前的输入数据采用长短时记忆神经网络(LSTM)进行处理,降低过时数据对预测结果的影响。最后选取鹰嘴岩隧道为算例,采用LSTM-SVM与人工神经网络神经(ANN)、SVM、反向传播神经网络(BPNN)进行比较,来检验LSTM-SVM算法的优越性。