基于GWO-SVR模型的基坑边坡变形预测及敏感性分析

准确预测基坑边坡变形是确保隧道明挖顺作施工的关键工作。针对传统预测方法无法表征土的物理力学参数与基坑边坡变形非线性关系和单一预测算法精度和鲁棒性低的局限性,鉴于此,提出了一种基坑边坡变形的灰狼算法(GWO)优化支持向量回归机(SVR)预测模型。通过GWO对SVR预测模型c和g进行自动寻优,建立了GWO-SVR预测模型;以某基坑边坡为例,利用该模型进行预测,并与未进行GWO优化的SVR进行对比分析;最后,利用主成分分析法对不同影响基坑边坡变形指标进行敏感性分析,分析影响指标的影响权重。结果表明:GWO-SVR预测模型能够有效地预测基坑边坡变形,GWO算法优化后,SVR预测模型精度和鲁棒性提高约2倍;压缩模量和渗透系数的敏感性最高,对基坑边坡变形影响程度最高。可为基坑边坡变形的长期预测提供一种思路和方法。