学位论文 > 优秀研究生学位论文题录展示

基于改进支持向量机的深基坑变形预测模型研究

作 者: 吴欢
导 师: 刘小生
学 校: 江西理工大学
专 业: 大地测量学与测量工程
关键词: 深基坑 变型预测 支持向量机 模型
分类号: TU196.1
类 型: 硕士论文
年 份: 2013年
下 载: 163次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着城市化进程的快速发展,多层及高层建筑的建造及大量地下空间的开发,大量的深基坑工程不断涌现。深基坑变形监测与预测是深基坑设计施工中的一个重要的环节,也是基坑工程领域研究的热点问题之一。准确地预测深基坑未来的变形,是深基坑变形监测的最终目的。针对传统常用预测方法存在一定的局限性,结合支持向量机的研究现状,提出将能够有效地解决小样本、非线性、高维数、局部极小等问题的支持向量机模型应用于深基坑变形预测。首先,阐述了深基坑变形预测的意义,对深基坑变形预测研究现状作了全面的阐述,分析了深基坑施工过程中的变形,提出了预测误差最小法来确定样本集的嵌入维数以及时间延迟,实现对样本数据的构造,针对传统支持向量机预测模型参数难以确定的问题,提出采用粒子群算法,通过种群随机初始化、适应度函数设置、粒子更新、终止条件设置,对支持向量机的相关参数进行寻优,得到基于粒子群算法的改进支持向量机预测模型。其次,结合深基坑围护桩桩体两个不同深度的实例测斜数据,根据预测误差最小法求出样本集的嵌入维数以及时间延迟,对变形数据序列进行坐标延迟相空间重构,利用相空间域的相点,通过建立的相空间结构得到学习样本;然后,在Matlab7.14平台上结合Microsoft Visual C++6.0编译器,利用libsvm工具箱进行扩展编程实现对传统支持向量机模型和改进支持向量机模型的训练和预测。最后,根据编制的Matlab程序,将改进支持向量机预测模型与传统的支持向量机模型以及Elman动态神经网络模型的预测结果,采用均方误差、平方和误差、平均相对误差对预测效果进行评价,得出改进支持向量机预测模型的均方误差、平方和误差、平均相对误差分别为0.0155和0.0164、0.1550和0.1639、1.2511%和4.2205%。实验结果表明,基于改进支持向量机预测模型的预测结果均方误差、平方和误差、平均相对误差均优于传统的支持向量机模型和Elman网络模型,通过粒子群算法优选支持向量机预测模型的相关参数,能够得到较好的改进支持向量机预测模型,且拟合效果、泛化性能、稳定性能均更好,具有较高的预测精度,证明了基于改进支持向量机预测模型能更好地反映深基坑系统的动态非线性特点,具有一定的优越性与工程应用推广价值。

全文目录


摘要  4-5
Abstract  5-9
第一章 绪论  9-15
  1.1 选题背景、目的及意义  9-10
  1.2 国内外研究现状  10-13
    1.2.1 深基坑变形预测研究现状  10-11
    1.2.2 支持向量机研究现状  11-13
  1.3 研究内容及章节结构  13-15
    1.3.1 研究内容  13-14
    1.3.2 章节结构  14-15
第二章 深基坑变形预测相关理论及数据构造  15-21
  2.1 深基坑施工过程中的变形  15-16
    2.1.1 深基坑施工过程变形现象  15-16
    2.1.2 影响深基坑变形的因素分析  16
    2.1.3 深基坑变形预测对象  16
  2.2 常用预测方法存在的问题  16-17
  2.3 神经网络模型  17-18
  2.4 样本数据构造方法  18-21
    2.4.1 嵌入维数的选取  19-20
    2.4.2 延迟时间的选取  20-21
第三章 支持向量机理论基础及参数影响分析  21-34
  3.1 统计学习理论基础  21-23
    3.1.1 机器学习的基本问题  21-22
    3.1.2 VC 维  22
    3.1.3 推广性的界  22-23
    3.1.4 结构风险最小化  23
  3.2 支持向量机算法  23-30
    3.2.1 基于分类的支持向量机  24-25
    3.2.2 基于回归的支持向量机  25-30
    3.2.3 支持向量机的训练算法  30
  3.3 支持向量机与神经网络的对比分析  30-31
  3.4 支持向量机应用于深基坑变形预测的适用性分析  31-32
  3.5 支持向量机模型参数影响分析  32-34
第四章 改进支持向量机模型的设计  34-42
  4.1 PSO 算法的基本原理  34-36
    4.1.1 PSO 算法  34-35
    4.1.2 PSO 与 GA 的异同  35-36
  4.2 PSO 优化支持向量机参数选取的要素  36-37
    4.2.1 种群初始化  36
    4.2.2 适应度函数  36
    4.2.3 粒子更新  36-37
    4.2.4 终止条件  37
  4.3 基于改进支持向量机的建模流程  37-42
第五章 基于改进支持向量机的深基坑变形预测  42-64
  5.1 工程实例  42-44
    5.1.1 工程概况  42
    5.1.2 实测数据整理及分析  42-44
  5.2 实验样本选择与处理  44-48
    5.2.1 实验环境  44
    5.2.2 数据预处理  44-45
    5.2.3 样本构造  45-48
  5.3 模型精度评定指标  48
  5.4 训练与预测  48-60
    5.4.1 Matlab 实现  48-51
    5.4.2 改进支持向量机模型在深基坑工程中的预测  51-55
    5.4.3 传统支持向机模型在深基坑工程中的预测  55-56
    5.4.4 神经网络在深基坑工程中的预测  56-60
  5.5 预测结果比较分析  60-64
第六章 总结与展望  64-66
  6.1 总结  64-65
  6.2 展望  65-66
参考文献  66-70
致谢  70-71
个人简历及攻读硕士学位期间发表的学术论文  71

相似论文

  1. 基于巨磁阻抗效应磁测传感器及地磁匹配算法研究,P318
  2. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  3. 粉末活性炭—超滤工艺处理微污染地表水试验研究,X703
  4. 卫星姿态的磁控制方法研究,V448.222
  5. 电磁轨道炮外弹道建模与仿真研究,TJ399
  6. 轨道交通引起周围环境竖向振动的振源特性分析,U211.3
  7. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  8. 基于LIN总线的电动车窗控制方法研究,U463.6
  9. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  10. 适应多总线通讯模式的感应电动机矢量控制系统研究,TM346
  11. 基于信息熵的课堂观察量化评价模型研究,G632.4
  12. 多重ANN/HMM混合模型在语音识别中的应用,TN912.34
  13. 高光谱图像空—谱协同超分辨处理研究,TN911.73
  14. 带径向速度观测的跟踪算法研究,TN953
  15. 基于率失真优化的码率控制算法研究,TN919.81
  16. 基于VRPF的机动目标跟踪的研究,TN957.52
  17. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  18. 音乐结构自动分析研究,TN912.3
  19. 网络语音传输丢包的恢复技术,TN912.3
  20. 惯导平台车载试验的仿真系统及辨识方法研究,TN966
  21. 低轨卫星移动信道特性模拟硬件实现,TN927.23

中图分类: > 工业技术 > 建筑科学 > 建筑勘测 > 观测 > 变形观测
© 2012 www.xueweilunwen.com