10.3969/j.issn.2095-2783.2018.09.014
基于主成分分析的GA-SVM地表沉降预测模型
本文提出了基于主成分分析(principal component analysis,PCA)的遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)地表沉降预测模型,并结合广州地铁二号线35组地表沉降的实测数据,对比该模型与GA-SV模型和Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测效果.结果表明,基于主成分分析的GA-SVM预测模型较其他2种模型的计算速度更快,泛化能力和拟合效果更好,预测值更精确,对预测盾构施工引起的地表沉降量具有一定的使用价值.
地表沉降、主成分分析、遗传算法、支持向量机
13
U455.4(隧道工程)
国家自然科学基金资助项目41301015;河北省教育厅青年项目QN2018242
2018-11-29（万方平台首次上网日期，不代表论文的发表时间）
共5页
1045-1049
