基于改进SVR算法的灌浆功率阈值预测方法研究

灌浆过程中将灌浆功率控制于阈值范围之内,有利于保证灌浆安全和质量.目前施工现场多根据有限个原位点的灌浆生产性试验,结合专家经验确定灌浆功率阈值.为实现灌浆功率阈值的科学预测,本研究在三维精细裂隙网络模拟和支持向量回归(SVR)算法两方面提出了改进技术.前者采用改进的拉丁超立方抽样(ILHS)方法模拟出与实际分布拟合度更高的裂隙参数,从而可构建与岩体实际地质情况一致性更高的三维精细裂隙网络模型,基于建立的裂隙模型和灌浆实时监控与分析系统采集地质参数和施工参数来构建灌浆功率阈值预测模型的输入参数集,具体包括:裂隙数量、裂隙平均迹长、裂隙平均倾向、裂隙平均倾角、灌前透水率、孔序、孔深和设计压力.后者采用改进蝗虫优化算法(IGOA)对SVR算法进行改进,实现对惩罚因子C、核参数g以及不敏感损失系数ε的优化计算,其中IGOA中通过引入混沌理论、动态权重和Lévy飞行以弥补算法易陷入局部最优的不足,提高算法的搜索能力.基于IGOA-SVR算法构建了灌浆功率阈值预测模型,可实现各灌浆孔孔段的灌浆功率阈值高精度预测.将所提出的算法和预测模型应用于西南某水电站灌浆工程灌浆功率阈值的预测分析,通过与4种常用的预测模型进行对比,表明其比现有常用模型具有更高的精度.