RandWPSO-LSSVM反演方法及其在大型地下工程中的应用

作者：聂卫平; 徐卫亚; 王伟

来源：中南大学学报(自然科学版), 2013, (04): 1626-1633.

• 随机权重粒子群
• 最小二乘支持向量机
• 反演
• 大型地下洞室
• 弹性模量
• 调压井 random weight particle swarm optimization
• least squares support vector machine
• inversion
• large-scale underground cavern
• modulus
• surge shaft

根据粒子群算法(PSO)和支持向量机(SVM)的特点和局限性,对其进行改进,建立随机权重粒子群最小二乘支持向量机(RandWPSO-LSSVM)反演模型,由正交设计、均匀设计和三维有限元数值计算给出学习和测试样本,反演糯扎渡水电站大型调压井工程区的围岩力学参数和初始地应力场。研究表明:RandWPSO对LSSVM预测模型的优化效果明显比PSO好;反演得到工程区x向和y向侧压力系数分别为2.641 5和2.083 1,微新岩体、弱风化下层、弱风化上层、全强风化层岩体、断层等围岩的弹性模量分别为24.849 2,10.898 7,2.839 8,0.270 4和0.651 3 GPa;反馈计算得到的位移相对实测位移误差较小,验证反演参数的合理性,也表明所建立的RandWPSO-LSSVM反演模型合理可靠,可有效指导大型地下工程参数设计和施工稳定性分析。

• 单位
  河海大学; 清华大学