基于PSO-SVM模型的深基坑变形预测研究
深基坑变形预测一直是深基坑工程的一个重点研究课题,具有十分重要的理论意义和实际价值.支持向量机是一种基于结构风险最小化原理的机器学习算法,它具有很好的泛化能力,能够有效地解决小样本、非线性、高维数、局部极小等问题.本文将支持向量机(SVM)理论引入到深基坑的变形预测当中,同时,采用粒子群算法(PSO)来优化SVM的相关参数,将其预测结果与传统的支持向量机模型和BP神经网络模型的预测结果进行对比.结果表明,PSO-SVM模型用于变形预测是可行的.
深基坑、支持向量机、粒子群算法、变形预测
39
TU196(建筑基础科学)
2011-08-10(万方平台首次上网日期,不代表论文的发表时间)
82-85