本发明专利技术公开了一种基于差异进化支持向量机的坑外土体沉降预测方法，包括收集现场坑外土体沉降量、确定数据的大致变化规律为正切曲线、使用差异进化算法(DE)对沉降数据进行正切拟合、DE的缩放因子F和交叉概率Cr合理选择方法、支持向量机(SVM)决策函数的确定、模拟沉降数据的生成和评价等。本发明专利技术通过DE，根据沉降数据确定坑外土体沉降函数的基本形式，进行参数反演。后将得到的函数解析式作为SVM的决策函数，SVM再将决策函数进行核函数转换。最后通过SVM进行拟合预测，并对数据符合性进行检测。本发明专利技术通对现场土体沉降数据和沉降预测仿真，能使SVM的曲线拟合更加快速，预测更加准确。可广泛用于基坑施工的安全监测。
【技术实现步骤摘要】
本专利技术涉及岩土工程中的基坑施工过程中，坑外土体沉降监测预测，特别是涉及差异进化支持向量机算法对坑外土体沉降的预测。
技术介绍
随着地铁工程的大规模建设，各种相关主体施工过程中引起的土体变形受到了极大关注。基坑就是其中之一，城市地铁的基坑往往周围建筑物众多，地下管线复杂，如果不及时预测和发现其沉降程度，那么可能照成严重后果。目前采用的很多方法对基坑土体沉降进行了分析和预测，主要有基于土体本构模型的有限元分析、基于输入值和输出值的对应分析以及实验经验分析法等，其中有较多使用的是SVM法进行非线性映射，同时也对SVM进行了改进。根据SVM对离散数据分析的理论，首先是要形成决策函数的映射关系，其确定直接影响拟合的正确性和速度，即/0)对离散的数据映射越好，最终的拟合效果就越好。就基坑开挖引起的坑外土体沉降而言，确定/W不但要考虑离散数据本身，而且还要考虑环境地质等一系列相关条件的作用。但是对于沉降曲线的基本形式，早已有充分的研究，需要确定的是其参数值。基于研究过程的特点和差异进化算法对形式可知参数未知的解析式反演求其参数的特点，确定坑外土体沉降的映射曲线/(X)的形式，后通过差异进化算法进行反演，从而得到合适的决策函数。本文使用大连地铁2号线湾家车站基坑数据进行上述理论的论证，结果表明了其分析和预测的正确性。
技术实现思路
构建差异进化支持向量机(DE-SVM)模型思路为首先通过DE和测量数据基于选择的函数模型对其参数进行反演，然后将反演后的函数作为SVM的决策函数。差异进化采用实数矢量编码在连续空间中进行随机搜索的优化算法。差异进化算法是基于实数编码的进化算法，最初的群体是随机均匀产生的，每一个体是搜索空间中的一个实向量。令Vs)是第^代的第i个个体如下:权利要求1.一种基坑外土体沉降预测方法，其特征在于，其包括如下步骤:收集现场坑外土体沉降量、确定数据的大致变化规律为正切曲线、使用差异进化算法(DE)对沉降数据进行正切拟合、DE的缩放因子A和交叉概率Cr合理选择方法、支持向量机(SVM)决策函数的确定、SVM模拟沉降数据的生成和评价，收集现场坑外土体沉降量，在基坑施工现场，对施工过程中的坑外土体沉降按固定间隔时间进行监测，并对数据的有效性进行检测，形成时序序列向量；确定数据的大致变化规律为正切曲线，坑外土体沉降曲线按照正切曲线进行计算；使用DE对沉降数据进行正切拟合，在已知沉降数据的变化趋势是正切的情况下，使用差异进化算法对该正切函数进行拟合；DE的缩放因子A和交叉概率合理选择方法，使用差异进化算法之前要确定Z7和Cr的合理取值范围；支持向量机(SVM)决策函数的确定，使用差异进化算法拟合的正切函数即是决策函数；模拟沉降数据的生成和评价，SVM模型计算选用高斯基核函数，并参数C、r、f。2.根据权利要求1所述的基于差异进化支持向量机的坑外土体沉降预测方法，其特征在于，通过差异进化算法(DE)，在确定坑外土体沉降函数的基本形式下，进行参数反演，后将得到的解析式作为SVM的决策函数，再进行核函数转换，最终经训练得到完备的SVM，进行沉降数据的预测。3.根据权利要求1所述的基于差异进化支持向量机的坑外土体沉降预测方法，其特征在于，确定数据的 大致变化规律为正切曲线，对实际坑外沉降数据进行分析，得到将沉降数据拟合为正切曲线符合本算法要求。4.根据权利要求3所述的正切曲线，其特征在于，拟合曲线形成过程为:曲线为^ 二 tan(x) ,^x^Mf2,Ae (O1I),其中A是调节参数，B = tan(M/2)为相应的^值，通过J调节相应B的取值范围，模型如下:5.根据权利要求1所述的基于差异进化支持向量机的坑外土体沉降预测方法，其特征在于，使用差异进化算法(DE)对沉降数据进行正切拟合(S3)、DE的缩放因子A和交叉概率合理选择方法(S4)，差异进化算法(DE)的实施过程由种群初始化、变异、交叉和选择四个操作步骤组成。6.使用差异进化算法时，重要的是缩放因子'和交叉概率Cr贡献值的正确选择，关于确定Z7和Cr的具体步骤: 收集现场监测坑外土体沉降数据，进行数据处理，对数据有效性进行分析，形成适合的数据结构； 选择1 ! 作为反演分析模型； ( ，Ymi )作为回归函数拟合数据，以收敛最快且值最小为原则确定A和Cr; 利用确定的ym(x)'和Cr和实际数据，建立二维反演参数识别与优化模型； 以待反演参数认⑵作为优化变量，构建回归模型与现场监测数据的最小二乘值函数，代入差异进化算法，设定差异算法初值，按照差异进化步骤进行参数搜索； 算法收敛后，输出获得的04，0)参数。7.根据权利要求1所述的基于差异进化支持向量机的坑外土体沉降预测方法，其特征在于，支持向量机(SVM)决策函数的确定，使用差异进化算法拟合的正切函数作为SVM决策函数。8.根据权利要求1所述的基于差异进化支持向量机的坑外土体沉降预测方法，其特征在于，模拟沉降数据的生成和评价，SVM模型计算选用高斯基核函数，参数f =0.0015、r=l、^=200，将获取的数据样本分为两部分，前75%作为训练样本用于训练，后25%作为测试样本用于测试SVMJf SVM进行反复训练，当预测值与实测数据间误差低于5%时停止训练，将测量次数作为输入值得到预测沉降值。9.根据权利要求1所述的基于差异进化支持向量机的坑外土体沉降预测方法，其特征在于，将获取的数据样本分为两部分，前75%作为训练样本用于训练，后25%作为测试样本用于测试SVMjf SVM进行反复训练，当预测值与实测数据间误差低于规定水平时停止训练，得到满足要求的SVM，将测量次数作为输入值得到预测沉降值。全文摘要本专利技术公开了，包括收集现场坑外土体沉降量、确定数据的大致变化规律为正切曲线、使用差异进化算法(DE)对沉降数据进行正切拟合、DE的缩放因子F和交叉概率Cr合理选择方法、支持向量机(SVM)决策函数的确定、模拟沉降数据的生成和评价等。本专利技术通过DE，根据沉降数据确定坑外土体沉降函数的基本形式，进行参数反演。后将得到的函数解析式作为SVM的决策函数，SVM再将决策函数进行核函数转换。最后通过SVM进行拟合预测，并对数据符合性进行检测。本专利技术通对现场土体沉降数据和沉降预测仿真，能使SVM的曲线拟合更加快速，预测更加准确。可广泛用于基坑施工的安全监测。文档编号G06F19/00GK103198215SQ201310088919公开日2013年7月10日 申请日期2013年3月20日 优先权日2013年3月20日专利技术者刘文生, 吴作启, 崔铁军, 由丽雯, 杨逾, 邵军, 张媛, 孙琦, 杜东宁 申请人:辽宁工程技术大学本文档来自技高网...
【技术保护点】
一种基坑外土体沉降预测方法，其特征在于，其包括如下步骤：收集现场坑外土体沉降量、确定数据的大致变化规律为正切曲线、使用差异进化算法(DE)对沉降数据进行正切拟合、DE的缩放因子F和交叉概率Cr合理选择方法、支持向量机(SVM)决策函数的确定、SVM模拟沉降数据的生成和评价，收集现场坑外土体沉降量，在基坑施工现场，对施工过程中的坑外土体沉降按固定间隔时间进行监测，并对数据的有效性进行检测，形成时序序列向量；确定数据的大致变化规律为正切曲线，坑外土体沉降曲线按照正切曲线进行计算；使用DE对沉降数据进行正切拟合，在已知沉降数据的变化趋势是正切的情况下，使用差异进化算法对该正切函数进行拟合；DE的缩放因子F和交叉概率Cr合理选择方法，使用差异进化算法之前要确定F和?Cr的合理取值范围；支持向量机(SVM)决策函数的确定，使用差异进化算法拟合的正切函数即是决策函数；模拟沉降数据的生成和评价，SVM模型计算选用高斯基核函数，并参数C、γ、ε。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘文生，吴作启，崔铁军，由丽雯，杨逾，邵军，张媛，孙琦，杜东宁，
申请(专利权)人：辽宁工程技术大学，
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。