文档名：基于GNSS监测的SSASVR模型边坡变形预测
摘要：针对GNSS监测数据的非平稳性和其存在的噪声会影响边坡安全变形预测的问题,以吴华高速公路超深路堑边坡为例,提出了基于平滑先验分解(SPA)和奇异值分解(SVD)消噪的麻雀搜索算法(SSA)优化支持向量机回归(SVR)的边坡变形预测模型(SPA-SVD-SSA-SVR模型),并对比分析了分解和消噪两种数据处理方式对边坡变形预测结果的影响.结果表明:该高边坡处于安全状态,整体变形较小,经SSA优化后的SVR模型(SSA-SVR模型)的预测效果较好,相较于传统SVR模型,其对监测点G1预测结果的MSE、MAE分别减小8.68％、3.82％,对监测点G2预测结果的MSE、MAE分别减小11.60％、3.26％;SPA分解和SVD消噪均可以减小GNSS监测数据的非平稳性和噪声对预测精度的影响,但单分解处理比单消噪处理的预测精度高,整合分解和消噪两种预处理的SPA-SVD-SSA-SVR模型预测效果更好,其对监测点G1预测结果的MSE、MAE分别减小31.06％、19.59％,对监测点G2预测结果的MSE、MAE分别减小28.59％、15.03％.研究结果为边坡变形监测数据的处理与边坡安全变形预测提供了新思路.
Abstract：Slopedeformationpredictionisaneffectivemethodtostudyslopestabilityandearlywarning.Thereexistsnon-stationarityofhighslopeGNSSmonitoringdataandtheexistingnoiseaffectsthesafetyanalysisoftheslope.Wetaketheultra-deepcuttingslopeofWuhuaHighwayasacaseandproposeslopedeformationpredictionmodelbasedonsparrowsearchalgorithmoptimizedforsupportvectorregressionwithsmoothprioranalysisdecompositionandsingularvaluedecompositiondenoising(SPA-SVD-SSA-SVRmodel).Theinfluenceoftwodataprocessingmethods,namelydecompositionanddenoising,onthepredic-tionresultsarecompared.Theresultsshowthatthehighslopeisinasafestatewithoverallsmalldeforma-tion.TheSSA-SVRmodeldemonstratesimprovedpredictionperformance.ComparedtothetraditionalSVRmodel,itreducesmeansquarederror(MSE)andmeanabsoluteerror(MAE)by8.68％and3.82％,respectively,formonitoringpointG1,andby11.60％and3.26％,respectively,formonitoringpointG2.BothSPAdecompositionandSVDdenoisingcanreducethenon-stationarityandnoiseimpactofGNSSmo-nitoringdataonpredictionaccuracy.However,thepredictionaccuracyofthesingledecompositionprocessishigherthanthatofthesingledenoisingprocess.TheintegratedSPA-SVD-SSA-SVRmodel,whichcom-binesdecompositionanddenoising,showsbetterpredictionperformance.ItreducesMSEandMAEby31.06％and19.59％,respectively,formonitoringpointG1,andby28.59％and15.03％,respectively,formonitoringpointG2.Theresearchresultsprovidenewinsightsintotheprocessingofslopedeformationmonitoringdataandslopesafetydeformationprediction.
作者：任文辉 杨晓华 冯永年 杨玲 魏静 Author：RENWenhui YANGXiaohua FENGYongnian YANGLing WEIJing
作者单位：中铁建陕西高速公路有限公司,陕西西安710018中国铁建投资集团有限公司,广东珠海519000北京交通大学土木建筑工程学院,北京100044
刊名：安全与环境工程 ISTICPKU
Journal：SafetyandEnvironmentalEngineering
年，卷(期)：2024, 31(3)
分类号：X43P642.22
关键词：边坡变形预测 平滑先验分解 奇异值分解 麻雀搜索算法 支持向量机回归
Keywords：slopedeformationprediction smoothingpriordecomposition singularvaluedecomposition sparrowsearchalgorithm supportvectormachine
机标分类号：TU196TD176TP391
在线出版日期：2024年6月18日
基金项目：中国铁建投资集团有限公司科技研发项目基于GNSS监测的SSA-SVR模型边坡变形预测[
期刊论文] 安全与环境工程--2024, 31(3)任文辉 杨晓华 冯永年 杨玲 魏静针对GNSS监测数据的非平稳性和其存在的噪声会影响边坡安全变形预测的问题,以吴华高速公路超深路堑边坡为例,提出了基于平滑先验分解(SPA)和奇异值分解(SVD)消噪的麻雀搜索算法(SSA)优化支持向量机回归(SVR)的边坡变形预...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
基于GNSS监测的SSA-SVR模型边坡变形预测 Slope deformation prediction of SSA-SVR model based on GNSS monitoring
基于GNSS监测的SSA-SVR模型边坡变形预测.pdf
- 文件大小:
- 7.15 MB
- 下载次数:
- 60
-
高速下载
|
