基于LIBSVM算法在隧道围岩分级上的应用
隧道围岩分级是选择隧道位置、支护类型的依据和指导安全施工的关键指标.针对公路隧道围岩分级方法存在人为因素和不确定因素,基于LIBSVM支持向量机,选取岩石质量指标、完整性指标、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数6个指标作为特征输入因素量,构建隧道围岩分级非线性映射模型,通过交叉验证设计LIBSVM寻找最优参数的方法对现场勘测的30组隧道围岩数据样本进行学习,7组隧道围岩数据样本进行预测.同时对比了模式识别、BP神经网络、Bayes、Fisher、SVM及GA-SVM分类算法.分析和对比结果表明:采用LIBSVM方法对隧道围岩分级预测准确率达100％,其理论完善、计算简便和泛化能力均优于其他神经网络等算法,说明LIBSVM方法可以较好地用于确定隧道围岩分级.
隧道围岩分级、LIBSVM、支持向量机、神经网络
64
U452.12(隧道工程)
2019-05-31（万方平台首次上网日期，不代表论文的发表时间）
共5页
334-338
