MPSO-SVM改进法预测巷道围岩松动圈：高效与精准

本文主要探讨了"基于MPSO-SVM的巷道围岩松动圈预测研究"，发表于2014年的《计算机工程与应用》期刊第50卷第12期。巷道开挖后，围岩应力重分布会导致应力集中，当超过临界值时，岩体会出现破裂，形成松动圈，这是评价巷道稳定性的重要指标。当前确定松动圈的方法存在局限性，如现场实测法耗时且成本高，数值模拟受参数影响大，相似材料模拟则人力物力消耗大且环境因素影响显著。 文章针对这些不足，提出了一个新颖的预测方法，即利用改进的粒子群优化（MPSO）算法来优化支持向量机（SVM）。MPSO在标准PSO的基础上引入了压缩因子，旨在平衡全局搜索与局部寻优，提高算法的效率。作者通过MPSO对SVM的参数C和g进行优化，构建了MPSO-SVM回归预测模型。相比于传统的PSO-SVM、遗传算法（GA）-SVM、网格搜索（GSM）-SVM以及BP神经网络模型，MPSO-SVM模型在预测精度和泛化能力方面表现出色。 实验结果显示，MPSO-SVM模型能够更准确地预测巷道围岩松动圈的范围，这对于地下工程岩体稳定性分析具有重要意义，能够帮助工程师设计更合理的支护方案，降低工程风险。该研究的创新之处在于它结合了粒子群优化的优势和支持向量机的预测能力，为巷道围岩松动圈的预测提供了一种有效且精确的方法。