文档摘要：采用遗传算法(GeneticAlgorithm,GA)对支持向量机(SupportVectorMachines,SVM)的核函数参数g和惩罚因子c进行优化,建立基于参数寻优支持向量机的蠕动型滑坡隧道变形位移预测模型,以与蠕动型滑坡隧道变形密切相关的10个影响因子作为模型输入向量,隧道变形实测数据值作为模型的目标输出.以吉林省蛟河市长珲高速老爷岭隧道实地监测数据为样本对模型进行训练与预测分析,仿真结果表明:本文方法训练速度快且预测值与真实值平均相对误差小于2％,具有很强的工程应用价值.
作者：刘宇Author：LIUYu
作者单位：吉林铁道职业技术学院铁道工程系,吉林吉林,132001
刊名：内蒙古科技大学学报
Journal：JournalofInnerMongoliaUniversityofScienceandTechnology
年，卷(期)：2015, 34(4)
分类号：TU454
关键词：隧道 变形预测 支持向量机 遗传算法
机标分类号：TP1U45
在线出版日期：2016年1月22日
基金项目：基于支持向量机的隧道变形预测模型研究[
期刊论文] 内蒙古科技大学学报--2015, 34(4)刘宇采用遗传算法(GeneticAlgorithm,GA)对支持向量机(SupportVectorMachines,SVM)的核函数参数g和惩罚因子c进行优化,建立基于参数寻优支持向量机的蠕动型滑坡隧道变形位移预测模型,以与蠕动型滑坡隧道变形密切相关的10...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：
- 文件大小:
- 1.17 MB
- 下载次数:
- 60
-
高速下载
|
|
1
