MPSO-SVM改进法预测巷道围岩松动圈:高效与精准
需积分: 13 201 浏览量
更新于2024-08-13
收藏 1.18MB PDF 举报
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。
2021-05-25 上传
2021-06-14 上传
2021-09-25 上传
2021-09-26 上传
2021-09-26 上传
2021-10-01 上传
2022-06-30 上传
2021-05-29 上传
点击了解资源详情
weixin_38745891
- 粉丝: 4
- 资源: 1000
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手