【技术实现步骤摘要】
本专利技术属于公路施工，尤其涉及一种公路软土地基最终沉降量预测方法及系统。
技术介绍
1、道路路基综合稳定性及其强度是路面工程质量的重要保证。其施工过程中如果施工方法不当或者用料不合理，对路基的稳定性均会产生不良的影响，导致路基在使用过程中极易出现路基沉陷、边坡滑塌等问题。因此道路路基最终沉降量的研究对今后道路的养护维修以及交通的正常运行具有重要意义。
2、专利技术人发现，目前预测路基最终沉降量的方法主要有分层总和法、理论公式法、数值分析法和经验公式法等。分层总和法最简便，但预测精度最差；理论公式法虽物理概念清晰，但应用条件苛刻，率定参数复杂，故应用最困难；数值分析法理论上较严谨，其模量参数的取值是影响预测精度的关键，且对技术人员的素质要求较高，推广起来有一定的难度；而经验公式法则基于地方经验，适应性差。
3、综上，目前缺少一种可以兼顾预测精度、应用条件、推广以及适应性等多需求下的公路软土地基沉降量预测方法。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种公路软土地基最终沉降量预测方法及系统，本专利技术在保证预测精度的基础上，利用于麻雀搜索算法优化支持向量机回归模型(svr)预测软土地基最终沉降量，可以兼顾应用条件宽宏、推广容易以及适应性强等多种需求，解决了利用分层总和法、理论公式法、数值分析法和经验公式法等预测软土地基最终沉降量时存在的弊端。
2、为了实现上述目的，本专利技术是通过如下的技术方案来实现：
3、第一方面，本专
4、获取公路软土地基的相关数据；
5、利用所述相关数据，以及训练好的支持向量机回归模型，预测得到软土地基最终沉降量；
6、其中，所述支持向量机回归模型借助麻雀算法进行迭代优化，当迭代优化结果达到设定的最大迭代次数或者预设的适应度值，结束迭代优化，将此时得到的全局最优解作为所述支持向量机回归模型的参数。
7、进一步的，公路软土地基的相关数据包括软土地基的软土层厚度、软土压缩模量、硬层厚度、硬层压缩模量、路堤宽高比、路基施工期以及竣工时沉降量。
8、进一步的，构建svr模型：
9、s＝{xi,yi∣xi∈rm,yi∈r}；i＝1,2,…,t
10、式中，xi为第i个样本的特征向量，yi为对应的回归值，t为样本数量，m为特征向量的维数。
11、svr函数定义为：f(x)＝ωφ(x)+b
12、式中，f(x)为输出，φ(x)为非线性映射函数，ω,b为待确定的参数
13、进一步的，在所述支持向量机回归模型中引入松弛变量，将所述支持向量机回归模型转化为：
14、
15、式中，βi与为拉格朗日算子，b为待确定的参数，k(xi,xj)为径向基核函数：
16、
17、其中σ为核函数的宽度；
18、进一步的，所述全局最优解，为所述支持向量机回归模型中径向基核函数参数，以及惩罚因子的最佳参数组合。
19、进一步的，借助麻雀算法进行迭代优化包括：
20、当预警值小于安全值时，向外扩展觅食区域；否则，表示种群中发现了捕食者，离开当前区域去往安全区域觅食；
21、当觅食加入者大于预设值值时，则觅食加入者需要调整区域寻找食物；否则，加入者在最优个体附近觅食；
22、当前麻雀个体的适应度值大于当前麻雀种群的最优适应度值时，当前麻雀个体需要离开当前位置去往安全区域；当前麻雀个体的适应度值等于当前麻雀种群的最优适应度值时，当前麻雀个体不断移动接近其他个体来远离危险。
23、第二方面，本专利技术还提供了一种公路软土地基最终沉降量预测系统，包括：
24、数据采集模块，被配置为：获取公路软土地基的相关数据；
25、计算模块，被配置为：利用所述相关数据，以及训练好的支持向量机回归模型，预测得到软土地基最终沉降量；
26、其中，所述支持向量机回归模型借助麻雀算法进行迭代优化，当迭代优化结果达到设定的最大迭代次数或者预设的适应度值，结束迭代优化，将此时得到的全局最优解作为所述支持向量机回归模型的参数。
27、第三方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的公路软土地基最终沉降量预测方法的步骤。
28、第四方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的公路软土地基最终沉降量预测方法的步骤。
29、与现有技术相比，本专利技术的有益效果为：
30、本专利技术中利用训练好的支持向量回归模型预测软土地基最终沉降量，并且支持向量回归模型借助麻雀搜索算法进行迭代优化，当达到设定的最大迭代次数或者预设的适应度值，结束优化，此时得到的全局最优解为支持向量机回归模型的参数；在保证预测精度的基础上，利用支持向量回归模型预测软土地基最终沉降量，可以兼顾应用条件宽宏、推广容易以及适应性强等多种需求，解决了利用分层总和法、理论公式法、数值分析法和经验公式法等预测软土地基最终沉降量时存在的弊端。
本文档来自技高网...【技术保护点】
1.一种公路软土地基最终沉降量预测方法，其特征在于，包括：
2.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，公路软土地基的相关数据包括软土地基的软土层厚度、软土压缩模量、硬层厚度、硬层压缩模量、路堤宽高比、路基施工期以及竣工时沉降量。
3.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，在所述支持向量机回归模型中引入松弛变量。将所述支持向量机回归模型转化为：
4.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，所述全局最优解，为所述支持向量机回归模型中径向基核函数参数，以及惩罚因子的最佳参数组合。
5.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，借助麻雀算法进行迭代优化包括：
6.一种公路软土地基最终沉降量预测系统，其特征在于，包括：
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的公路软土地基最终沉降量预测方法的步骤。
8.一种电子设备，包括存储器、处理器及
...【技术特征摘要】
1.一种公路软土地基最终沉降量预测方法，其特征在于，包括：
2.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，公路软土地基的相关数据包括软土地基的软土层厚度、软土压缩模量、硬层厚度、硬层压缩模量、路堤宽高比、路基施工期以及竣工时沉降量。
3.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，在所述支持向量机回归模型中引入松弛变量。将所述支持向量机回归模型转化为：
4.如权利要求1所述一种公路软土地基最终沉降量预测方法，其特征在于，所述全局最优解，为所述支持向量机回归模型中径向基核函数参数，以及惩罚因子...
【专利技术属性】
技术研发人员：王凯，熊远顺，乔元辉，卜林，杨庆森，蔺文祥，李尧，
申请(专利权)人：山东百廿慧通工程科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。