收藏本站
《武汉理工大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

基于LS-SVM的围岩位移非线性预测应用研究

郭得令  
【摘要】:在隧道工程或地下工程建设中,根据已有的监测数据预测未来的围岩位移变化情况对支护设计和施工以及对险情预报都具有重要的实际意义。由于围岩系统具有非线性、模糊性和不确定性等特点,而传统的精确数学模型方法在建模时往往作许多假设,造成与实际情况相差较大。 支持向量机是在统计学习理论的VC维理论和结构风险最小化原则的基础上提出的一种新的机器学习方法,它追求的是在有限样本情况下的最优解而不仅仅是样本数趋于无穷大时的最优解,比以经验风险最小化为基础的神经网络学习算法具有更强的理论依据和更好的泛化性能。最小二乘支持向量机是普通支持向量机的改进算法,它通过将最小二乘线性系统引入支持向量机,代替传统的支持向量机采用二次规划方法解决函数估计问题的做法,简化了模型参数,加快了运算速度。本研究将最小二乘支持向量机引入到地下工程围岩位移预测分析中,并建立位移预测模型应用于位移数据的预测。 在本文研究中先选用某个函数生成数据序列,运用两种不同的预测方式对LS-SVM进行模拟。一种是回归分析预测,即把输入值(时间)作为因变量变化的唯一原因,把函数自变量和函数输出值构造成训练样本。另一种是等步长时序预测,即把前面的位移序列看成后面位移值的原因,选取位移序列中的数据构建训练样本。在构建样本时加入噪声的影响以模仿实际情况。模型参数采用交叉验证的方法进行优选,确保参数全局最优。并运用径向基函数(RBF)神经网络对相同的训练样本进行训练,对相同的测试样本进行等步长时序预测,比较了其和最小二乘支持向量机的预测效果。通过模拟试验得知:最小二乘支持向量机等步长时序预测效果好于径向基神经网络的预测效果。最小二乘支持向量机回归预测对训练样本数据区间内的预测精度很高,但是对前向外推预测效果不是很好;等步长时序分析对前向外推预测效果较好。因此对未来数据的预测用LS-SVM等步长前向外推预测更好些。 由于监测方案的设计和各种施工因素的影响,很多情况下,监测数据时间间隔并不相等。文中结合回归预测和等步长时序预测的优点,先用回归拟合对监测数据进行预测处理,生成时序分析所用的等步长数据,然后再进行等步长时序预测。最后在MATLAB环境下用工地实测数据对此设想和最小二乘支持向量机进行实际应用测试。结果显示,把最小二乘支持向量机回归预测与等步长时序预测相结合的预测方法应用于地下工程围岩位移监测数据的分析及预测是可行的;而且与其它人工智能方法相比较具有需要学习样本少、预测精度高、模型参数选择方便等优点,具有工程实际应用价值。
【学位授予单位】:武汉理工大学
【学位级别】:硕士
【学位授予年份】:2006
【分类号】:TU457

【引证文献】
中国期刊全文数据库 前1条
1 潘东旭;吴文经;魏建文;;支持向量机在基坑位移监测曲线降噪中的应用[J];山西建筑;2008年12期
中国硕士学位论文全文数据库 前5条
1 刘林;基于LSSVM的短期交通流预测研究与应用[D];西南交通大学;2011年
2 张万宏;非平稳时间序列的预测方法研究[D];兰州理工大学;2007年
3 魏辉;燃煤电站锅炉低NOx燃烧优化运行策略的研究[D];上海交通大学;2008年
4 李志平;深部软岩巷道高凸钢带—锚网索复合支护耦合效应研究[D];河南理工大学;2009年
5 韦统方;BRDF优化统计建模及应用[D];西安电子科技大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 江田汉;束炯;;基于LSSVM的混沌时间序列的多步预测[J];控制与决策;2006年01期
2 蔡冬松;靖继鹏;;基于最小二乘支持向量机的数据挖掘应用研究[J];情报科学;2005年12期
3 李亚伟;陈守煜;聂相田;王春华;;新老混凝土粘结强度SVR模拟预测研究[J];水电能源科学;2005年06期
4 胡颖,谢军兵,胡浩然,闫生存;水布垭水电站引水发电系统开挖与支护[J];水力发电;2002年10期
5 叶美盈,汪晓东,张浩然;基于在线最小二乘支持向量机回归的混沌时间序列预测[J];物理学报;2005年06期
6 杜树新,吴铁军;用于回归估计的支持向量机方法[J];系统仿真学报;2003年11期
7 张朝元,胡光华,徐天泽;基于LS-SVM的交通流量时间序列预测[J];云南大学学报(自然科学版);2004年S1期
8 刘开云,乔春生,滕文彦;边坡位移非线性时间序列采用支持向量机算法的智能建模与预测研究[J];岩土工程学报;2004年01期
9 陈永义,俞小鼎,高学浩,冯汉中;处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介[J];应用气象学报;2004年03期
10 田执祥,乔春生,滕文彦,刘开云;基于支持向量机的隧道变形预测方法[J];中国铁道科学;2004年01期
中国博士学位论文全文数据库 前3条
1 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
2 张英;基于支持向量机的过程工业数据挖掘技术研究[D];浙江大学;2005年
3 姜云;公路隧道围岩大变形的预测预报与对策研究[D];成都理工大学;2004年
中国硕士学位论文全文数据库 前5条
1 娄峰;时间序列分析在隧道位移监测中的应用[D];大连理工大学;2002年
2 郑建华;基于支持向量机的数据挖掘[D];天津大学;2004年
3 顾民;神经网络、模糊系统、支持向量机内在联系研究[D];电子科技大学;2004年
4 赖永标;支持向量机在地下工程中的应用研究[D];山东科技大学;2004年
5 方丹;龙滩地下洞室群监测资料反馈分析及监控预测研究[D];河海大学;2005年
【共引文献】
中国期刊全文数据库 前10条
1 王继果;董祥;周峰;;地质雷达探测技术优化分析[J];四川建筑科学研究;2011年01期
2 丁蕾,陶亮;支持向量机在胆固醇测定中的应用[J];安徽大学学报(自然科学版);2005年02期
3 胡俊,汪忠明,方高倪;基于带有偏差单元的IRN模型的大体积混凝土温度预测与控制[J];安徽建筑工业学院学报(自然科学版);2005年01期
4 荣传新;蔡海兵;;光纤传感技术的应用与土木工程测试技术课程的教学改革[J];安徽建筑工业学院学报(自然科学版);2008年05期
5 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
6 郭长辉;鲍东杰;何宇;;基于神经网络模型的岩石边坡稳定性分析研究[J];安徽农业科学;2009年30期
7 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
8 刘婷婷;;基于支持向量机的水稻纹枯病识别研究[J];安徽农业科学;2011年28期
9 吴军,梁冰;基于粗糙集和自适应神经网络集成理论的边坡稳定性分析[J];安徽师范大学学报(自然科学版);2005年03期
10 吴永璞;彭凯忠;;水利在役测压管修复研究[J];现代农业科技;2008年11期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
3 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
4 ;Short-term Traffic Flow Forecasting Method Based on Interval Type-2 Fuzzy Neural Network[A];第二十七届中国控制会议论文集[C];2008年
5 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七届中国控制会议论文集[C];2008年
6 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
7 王海丰;李壮;任洪娥;赵鹏;;基于非下采样Contourlet变换和SVM的纹理图像分割算法[A];第二十九届中国控制会议论文集[C];2010年
8 ;Image Classification with Ant Colony Based Support Vector Machine[A];中国自动化学会控制理论专业委员会A卷[C];2011年
9 杨坤;纪志成;;基于峰值识别的改进SVM用电需求预测[A];中国自动化学会控制理论专业委员会B卷[C];2011年
10 晋朝勃;胡刚强;史广智;李玉阳;;一种采用支持向量机的水中目标识别方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
3 王猛;煤矿深部开采巷道围岩变形破坏特征试验研究及其控制技术[D];辽宁工程技术大学;2010年
4 柏坚;非线性数学地质模型研究及在滇东南金矿成矿预测中的应用[D];中国地质大学(北京);2010年
5 姚志明;基于步态触觉信息的身份识别研究[D];中国科学技术大学;2010年
6 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
7 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年
8 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
9 刘建明;古代壁画图像保护与智能修复技术研究[D];浙江大学;2010年
10 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
中国硕士学位论文全文数据库 前10条
1 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
2 魏明俐;深部软岩巷道围岩稳定性分析与控制技术研究[D];山东科技大学;2010年
3 解立波;浅埋暗挖隧道桩基托换技术可靠性分析[D];山东科技大学;2010年
4 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
5 刘兆平;HS复合型软岩大断面硐室联合支护及施工技术研究[D];山东科技大学;2010年
6 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年
7 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
8 陈先志;CFG桩复合地基基床系数及其应用[D];郑州大学;2009年
9 刘松;基于OCSVM和主动学习的DDOS攻击分布式检测系统[D];郑州大学;2010年
10 方宇;小波支持向量机在交通流预测中的应用研究[D];大连理工大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 华新;左玉辉;;中国电力行业可持续发展研究[J];环境科学与管理;2007年08期
2 刘金龙;栾茂田;王吉利;;测斜仪测量路基水平位移过程中的局限性分析[J];长江科学院院报;2007年05期
3 王志新;卢金斌;席艳君;;大块金属玻璃晶化过程的研究进展[J];材料导报;2006年09期
4 曹运华;吴振森;齐利华;张耿;张涵璐;;粒子群算法在BRDF模型参数优化中的应用[J];电波科学学报;2008年04期
5 王炜,刘悦,李国正,吴耿锋,林命周,马钦忠,赵利飞;中国大陆强震时间序列预测的支持向量机方法[J];地震;2005年04期
6 周欣然;滕召胜;易钊;;构造稀疏最小二乘支持向量机的快速剪枝算法[J];电机与控制学报;2009年04期
7 王文华,王宏禹;一种非平稳随机信号模型的时变参数估计算法性能研究[J];大连理工大学学报;1997年01期
8 孔亮;张毅;丁艳军;吴占松;;电站锅炉燃烧优化控制技术综述[J];电力设备;2006年02期
9 曹星平,易东云,吴翊;基于神经网络的时间序列预测方法进展[J];电脑与信息技术;1999年06期
10 钟宁宁;任德贻;;河南石炭二叠纪含煤岩系煤热变质作用下的变化——地下水热液对煤变质作用影响的初步探讨[J];地质论评;1990年02期
中国重要会议论文全文数据库 前1条
1 康红普;林健;吴拥政;;高应力巷道强力锚杆支护技术及应用[A];第十届全国岩石力学与工程学术大会论文集[C];2008年
中国博士学位论文全文数据库 前9条
1 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 张英;基于支持向量机的过程工业数据挖掘技术研究[D];浙江大学;2005年
4 宁伟;非线性最小二乘测量平差与空间数据误差分析[D];山东科技大学;2005年
5 郑春红;支撑矢量机应用的关键技术研究[D];西安电子科技大学;2005年
6 黄景涛;支持向量机算法参数选择及其在电站锅炉系统中的应用研究[D];浙江大学;2005年
7 曾绍华;支持向量回归机算法理论研究与应用[D];重庆大学;2006年
8 任双桥;支撑矢量机理论与应用研究[D];国防科学技术大学;2006年
9 王凡;基于支持向量机的交通流预测方法研究[D];大连理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 谢东辉;目标与地物背景光散射特性建模[D];西安电子科技大学;2002年
2 方骏;支持向量机在工业质量检测中的应用研究[D];浙江大学;2004年
3 郑立刚;大型电站锅炉优化运行与气固两相流光学波动法测量[D];浙江大学;2004年
4 郑建华;基于支持向量机的数据挖掘[D];天津大学;2004年
5 顾民;神经网络、模糊系统、支持向量机内在联系研究[D];电子科技大学;2004年
6 刘剑锋;目标与地物光散射特性的BRDF模化技术[D];西安电子科技大学;2005年
7 张涵璐;大气背景下的地物光散射特性研究[D];西安电子科技大学;2006年
8 许亚洲;基于最小二乘支持向量机的数控机床热误差建模的研究[D];浙江大学;2006年
9 袁溢;大变形巷道锚杆护表构件支护效应研究[D];西南交通大学;2006年
10 梁伟锋;支持向量回归机研究及其应用[D];浙江师范大学;2006年
【二级引证文献】
中国期刊全文数据库 前1条
1 李朋;施万玲;桂莹;苟小龙;;锅炉燃烧及NO_x生成特性的数值仿真[J];计算机仿真;2011年05期
中国博士学位论文全文数据库 前1条
1 金海军;车用空压机性能快速试验关键技术研究[D];安徽大学;2012年
中国硕士学位论文全文数据库 前10条
1 孙波;船用稳定跟踪平台关键技术研究[D];哈尔滨工程大学;2010年
2 王欣冉;基于小波包与最小二乘支持向量机的时间序列预测研究[D];中国地质大学(北京);2011年
3 曾京京;中国石油消费与经济增长关系的研究[D];武汉理工大学;2011年
4 刘建军;加入炉膛温度信息的电站锅炉燃烧优化[D];华中科技大学;2011年
5 苗正伟;宝鸡峡灌区气象干旱特性分析及预测[D];西北农林科技大学;2008年
6 于浩;基于时间序列的延河流域水沙周期分析及趋势预测[D];西北农林科技大学;2008年
7 陈顺财;基于支持向量机的时间序列预测研究[D];兰州理工大学;2008年
8 康蕾;Cu-Zr-Al非晶合金晶化过程电特性预测模型研究[D];兰州理工大学;2009年
9 穆进超;多要素SVM时间序列预测研究及其并行化实现[D];兰州大学;2009年
10 谢璐;黄土原灌区地下水形成条件与动态预测[D];西北农林科技大学;2009年
【二级参考文献】
中国期刊全文数据库 前10条
1 高玮,郑颖人;岩土工程位移预测神经网络建模的几个问题[J];地下空间;2001年S1期
2 冯夏庭,赵洪波;岩爆预测的支持向量机[J];东北大学学报;2002年01期
3 华锡生,岳建平,夏国;主要水工建筑物安全监测信息管理系统的研制和应用[J];大坝观测与土工测试;1994年04期
4 孙圣和,黄远灿;改进的非线性最小二乘算法训练多层前馈神经网络[J];电子学报;1997年01期
5 王国胜,钟义信;支持向量机的若干新进展[J];电子学报;2001年10期
6 朱凌云,曹长修;基于支持向量机的缺陷识别方法[J];重庆大学学报(自然科学版);2002年06期
7 李守柱;黄鼎成;邢念信;徐复安;;软弱破碎围岩变形特性[J];工程地质学报;1993年01期
8 谭云亮,王泳嘉;巷道围岩塑性状态判定分析方法[J];工程地质学报;1996年02期
9 石双忠;岳东杰;梅红;;时序分析在变形监测数据处理中的应用[J];工程勘察;2004年03期
10 刘春;用模糊神经网络对建筑物变形进行短期预测[J];工程勘察;1998年06期
中国重要会议论文全文数据库 前1条
1 冯夏庭;张奇志;林韵梅;;矿岩设计参数神经网络预报[A];中国岩石力学与工程学会第三次大会论文集[C];1994年
中国博士学位论文全文数据库 前2条
1 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年
2 朱廷劭;数据挖掘及其在汉语文语转换中应用的研究[D];中国科学院研究生院(计算技术研究所);1999年
中国硕士学位论文全文数据库 前1条
1 蔡广奎;围岩稳定性分类的BP网络模型研究[D];河海大学;2001年
【相似文献】
中国期刊全文数据库 前10条
1 卢虎,李彦,肖颖;支持向量机理论及其应用[J];空军工程大学学报(自然科学版);2003年04期
2 张国宣,孔锐,施泽生,郭立;一种新的基于聚类的SVM迭代算法[J];仪器仪表学报;2004年S1期
3 李毅;徐守时;;基于支持向量机的遥感图像舰船目标识别方法[J];计算机仿真;2006年06期
4 朱颖辉;李友荣;刘安中;侯澍;;SVM在齿轮小样本故障诊断中的应用[J];冶金设备;2006年05期
5 谢颖;高犁难;石振武;;基于最小二乘支持向量机的公路工程造价预测模型[J];中外公路;2007年03期
6 张浩然,韩正之,李昌刚;基于支持向量机的未知非线性系统辨识与控制[J];上海交通大学学报;2003年06期
7 徐海祥;曹万华;陈炜;郭丽艳;;基于改进的支持向量机方法的多目标图像分割[J];舰船电子工程;2009年02期
8 王素云;崔丽威;宫雷;曹苏娜;;SVM方法在滚动轴承故障诊断中的应用[J];西安文理学院学报(自然科学版);2011年03期
9 丁爱玲;基于统计学习理论的交通流量时间序列预测[J];交通与计算机;2002年02期
10 范燕,吴小俊,惠长坤,刘同明;人脸图象特征抽取和识别的一种混合方法研究[J];华东船舶工业学院学报(自然科学版);2003年02期
中国重要会议论文全文数据库 前10条
1 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
2 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
3 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集(上册)[C];2001年
4 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
5 李兆权;;用围岩位移进行稳定性分级的探讨[A];地下工程经验交流会论文选集[C];1982年
6 汪洋;尹健民;肖国强;;基于岩层产状的地下洞室围岩变形研究[A];和谐地球上的水工岩石力学——第三届全国水工岩石力学学术会议论文集[C];2010年
7 孙向东;黄日波;;运用SVMs原理预测蛋白质二级结构研究[A];广西微生物学会2003年学术年会论文集[C];2003年
8 刘斌;魏贤龙;李卓;;基于支持向量机的Widrow自适应滤波器[A];2006中国控制与决策学术年会论文集[C];2006年
9 简文彬;姚环;陈祺模;;大腹山隧洞围岩位移的非线性时间序列分析[A];第六届全国工程地质大会论文集[C];2000年
10 康全林;王宇;;基于LS-SVM的铝电解槽电解温度软测量[A];2011中国有色金属行业仪表自动化学术会议论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 冯云龙;统计学习理论中基于核的算法研究[D];中国科学技术大学;2012年
2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
3 周绮凤;基于支持向量机的若干分类问题研究[D];厦门大学;2007年
4 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
5 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
6 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
7 尚福华;基于统计学习的油藏水淹层的识别技术[D];哈尔滨工业大学;2007年
8 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
9 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
10 王磊;支持向量机学习算法的若干问题研究[D];电子科技大学;2007年
中国硕士学位论文全文数据库 前10条
1 郭得令;基于LS-SVM的围岩位移非线性预测应用研究[D];武汉理工大学;2006年
2 王忠文;统计学习理论及其在地学中的应用研究[D];吉林大学;2007年
3 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
4 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
5 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
6 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
7 马洁;基于支持向量机的股市预测问题研究[D];天津大学;2006年
8 高异;基于支持向量机的非线性系统建模与控制[D];西安理工大学;2006年
9 邓小文;基于SVM的柴油机机械故障诊断研究[D];厦门大学;2006年
10 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026