期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ACO-SVM的TBM引水隧洞锚杆轴力预测研究
1
作者
王建
王利明
+2 位作者
周振梁
路文甲
毛培良
《岩土工程技术》
2023年第5期532-537,共6页
预测隧道锚杆轴力变化趋势,不仅能掌握隧道结构的安全状况,而且对隧道风险预警和应急响应至关重要。基于新疆YEGS输水工程喀双隧洞锚杆轴力监测数据,通过蚁群算法(ACO)和粒子群算法(PSO)优化支持向量机(SVM)模型,预测分析锚杆轴力的变...
预测隧道锚杆轴力变化趋势,不仅能掌握隧道结构的安全状况,而且对隧道风险预警和应急响应至关重要。基于新疆YEGS输水工程喀双隧洞锚杆轴力监测数据,通过蚁群算法(ACO)和粒子群算法(PSO)优化支持向量机(SVM)模型,预测分析锚杆轴力的变化趋势,研究表明:相比PSO-SVM和传统的SVM预测模型,ACO-SVM预测模型在充分考虑隧道埋深、温度及作用时间等多项非线性影响因素后,求解的预测值与实测值更加接近,相对误差基本在15%以内,平均绝对百分误差仅为5.92,具有较好的鲁棒性,模型的稳定性和泛化能力更强,更加适合TBM隧道锚杆轴力变化趋势的预测分析,具有一定的工程应用和推广价值。
展开更多
关键词
TBM
现场监测
锚杆轴力预测
支持向量机
蚁群算法
粒子群算法
在线阅读
下载PDF
职称材料
题名
基于ACO-SVM的TBM引水隧洞锚杆轴力预测研究
1
作者
王建
王利明
周振梁
路文甲
毛培良
机构
新疆额尔齐斯河投资开发(集团)有限公司
盾构及掘进技术国家重点实验室
中铁隧道局集团有限公司
北京交通大学
出处
《岩土工程技术》
2023年第5期532-537,共6页
基金
国家重点研发计划(2020YFB2006804)
河南省科技攻关(212102310270)
+2 种基金
新疆额尔齐斯河流域开发工程建设管理局科研课题(EQ076/FY057)
中国中铁股份有限公司科技研究开发计划(2019-重大-10)
中铁隧道局集团科技创新计划(隧研合2019-10)。
文摘
预测隧道锚杆轴力变化趋势,不仅能掌握隧道结构的安全状况,而且对隧道风险预警和应急响应至关重要。基于新疆YEGS输水工程喀双隧洞锚杆轴力监测数据,通过蚁群算法(ACO)和粒子群算法(PSO)优化支持向量机(SVM)模型,预测分析锚杆轴力的变化趋势,研究表明:相比PSO-SVM和传统的SVM预测模型,ACO-SVM预测模型在充分考虑隧道埋深、温度及作用时间等多项非线性影响因素后,求解的预测值与实测值更加接近,相对误差基本在15%以内,平均绝对百分误差仅为5.92,具有较好的鲁棒性,模型的稳定性和泛化能力更强,更加适合TBM隧道锚杆轴力变化趋势的预测分析,具有一定的工程应用和推广价值。
关键词
TBM
现场监测
锚杆轴力预测
支持向量机
蚁群算法
粒子群算法
Keywords
TBM
field monitoring
axial force prediction of bolt
support vector machine
ant clony optimization
particle swarm algorithm
分类号
U45 [建筑科学—桥梁与隧道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ACO-SVM的TBM引水隧洞锚杆轴力预测研究
王建
王利明
周振梁
路文甲
毛培良
《岩土工程技术》
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
