基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用

摘要：

针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MWSO)算法.基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解.应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性.然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高.最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果.

关键词：边坡工程、v-SVR、粒子群优化算法、改进的粒子群优化算法、位移反分析

所属期刊栏目：32

分类号：P642(水文地质学与工程地质学)

资助基金：国家重点基础研究发展计划973项目2011CB013506;国家自然科学基金重点项目50839004

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1185-1196