[1]伊西凯,姜丞,王俊杰,等.基于LIB-SVM的公路软基沉降的预测研究[J].水利与建筑工程学报,2013,(06):176-179.
点击复制

基于LIB-SVM的公路软基沉降的预测研究()
分享到:

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2013年06期
页码:
176-179
栏目:
出版日期:
2013-12-31

文章信息/Info

作者:
伊西凯;姜丞;王俊杰;孟庆坤;张龙君
1.河海大学港口海岸与近海工程学院,江苏南京210098;2.中交上航局航道建设有限公司,浙江宁波315200; 3.山东港通工程管理咨询有限公司,山东烟台264000
关键词:
公路软基SVMLIB-SVM沉降预测指数模型
分类号:
:TU447
文献标志码:
A
摘要:
由于地基实际工后沉降与初始设计沉降往往存在很大差异,因此,需要通过分析现场实测沉降 资料预测后期沉降。为了进一步提高公路软基沉降预测的准确性,将LIB-SVM模型应用于地基沉降, LIB-SVM通过交叉验证选取的最优参数组合克服了传统SVM模型参数选择的盲目性。根据实例,将 LIB-SVM模型预测值和指数模型预测值与现场量测值进行了对照。结果表明,LIB-SVM模型比指数 模型有较高的预测精度,该方法在沉降的实际预测中具有可行性。

参考文献/References:

[1] 钟才根,丁文其,王茂和,等.神经网络模型在高速公路 软基沉降预测中的应用[J].中国公路学报,2003,16 (2):31-34.
[2] 周镜.软土沉降分析中的某些问题[J].中国铁道科 学,1999,20(2):17-29.
[3] 王炳龙,周顺华,杨龙才.高速铁路软土路基工后沉降 试验研究[J].同济大学学报,2003,30(10):1163-1167.
[4] AsaokaA.Observationalprocedureofsettlementrediction [J].Soils&Foundations,1978,18(4):87-101.
[5] 钱玉林,丁毅.路基沉降预测及其工程应用[J].扬州 大学学报(自然科学版),2001,4(2):75-78.
[6] 雷学文,白世伟,孟庆山.灰色预测在软土地基沉降分 析中的应用[J].岩土力学,2000,21(2):145-147.
[7] 杨涛,李国维,樊琨.基于人工神经网络的公路软 基沉降预测模型[J].上海理工大学学报,2003,25(2): 117-120.
[8] 张学工.关于统计学习理论与支持向量机[J].自动化 学报,2000,26(1):32-40.
[9] SmolaAJ,ScholkopfB.Onakernel-basedmethodforpat- ternrecognition,regression,approximationandoperatorinver- sion[J].Algorithmica,1998,22:211-231.
[10] 赵洪波,冯夏庭,尹顺德.基于支持向量机的岩体工程 分级[J].岩土力学,2002,23(6):698-701.
[11] VapnikV.统计学习理论的本质[M].张学工,译.北 京:清华大学出版,2000.
[12] 赵洪波,冯夏庭.非线性位移时间序列预测的进化支 持向量机方法及应用[J].岩土工程学报,2003,25(4): 468-471.
[13] SteveGunn.SupportVectorMachinesforClassificationand Re-gression[R].ISISTechnicalReport:Universityof Southampton,1998.
[14] 王慧勤,雷刚.基于LIBSVM的风速预测方法研究 [J].科学技术与工程,2011,11(22):5440-5442
[15] 郭晓刚,孟山辉.基于LIBSVM的高面板坝趾板基础 灌浆智能预测[J].人民长江,2011,42(1):33-36.
[16] 吴承伟,胡鹏浩,苗恩铭.基于LIBSVM的数控机床热 误差建模研究[J].制造业自动化,2011,33(4):97- 100.
[17] 朱培根,梅卫江,石秀锋,等.基于LIBSVM代用燃料有 效功率增量预测方法的研究[J].石河子大学学报(自 然科学版),2012,30(5):657-660.
[18] 罗成石.基于LIBSVM的粮食水分数据融合研究[J]. 科学技术与工程,2012,12(2):292-295.
[19] 任立辉,李文东,慈兴华,等.中国海洋大学学报[J]. 2010,40(9):131-136.

更新日期/Last Update: 1900-01-01