基于PSO优化小波支持向量机的岩土力学参数反演

【摘要】：确定岩土力学参数方法有现场原位测试和室内试验两种方法,但是都存在一定的局限性,而参数选择的正确与否对数值分析结果的有效性影响很大。因此本文利用支持向量机方法对岩土工程参数进行反演,该方法能够有效地解决小样本、非线性、高维数、局部极小等问题。与早期反分析中较多采用的神经网络方法相比,支持向量机在理论基础和求解算法方面都具有明显优势,日益受到岩土工程研究人员的重视。本文围绕目前反分析方法存在的一些问题,首先从提高建模效率和模型计算精度的角度对岩土工程数值建模方法进行探讨,然后从影响支持向量机泛化性能的主要因素,即支持向量机模型参数、支持向量机类型以及核函数形式三个方面对基于支持向量机的岩土力学参数反演方法展开系统研究,并应用于工程实践,主要内容概括如下:(1)由于核函数形式对反演结果的影响,而目前普遍采用的径向基核函数由于缺乏平移正交性,使得相应支持向量机模型的逼近能力受到限制,间接影响参数辨识精度,为此引入小波函数作为支持向量机的核函数用于岩土力学参数反演。(2)利用粒子群算法全局搜索能力强、搜索效率高等优点,将其与支持向量机相结合,先后应用于支持向量机模型参数的优化选取和路面模量参数的智能搜索;分析结果表明,借助粒子群算法能够有效地获得具有最佳预测性能的支持向量机模型和最优的参数反演结果。(3)结合理论数据和实际工程数据,对基于粒子群算法优化小波支持向量机的岩土力学参数进行反演,结果表明,该方法具有较高的反演精度,是一种有效可行的参数反演方法。