首站-论文投稿智能助手
典型文献
基于SVM集成学习的隧道掌子面稳定性预测方法
文献摘要:
隧道掌子面稳定性受多种因素的影响.隧道开挖前需对掌子面稳定性进行评估,以制定相应措施,保证隧道施工过程的安全.为提高预测效率,提出一种基于集成学习和支持向量机的隧道掌子面稳定性快速预测方法.首先根据正交实验设计原理,选择最具代表性的训练样本;接着采用三维数值计算,对样本进行标定;然后基于支持向量机算法,采用不同的核函数,拟合隧道掌子面稳定性预测模型,并通过留一法对模型的预测精度进行验证;最后根据集成学习机制,通过投票法整合预测模型,实现隧道掌子面稳定性的综合预测.结果表明,采用集成学习机制,可以最大限度降低单个预测模型的泛化误差,提高隧道掌子面稳定性预测结果的可靠性.
文献关键词:
掌子面稳定性;支持向量机;集成学习;强度折减法
作者姓名:
李斌;蓝元盛;章从旭
作者机构:
武汉理工大学交通与物流工程学院,武汉430063;中交路桥建设有限公司,北京100027
文献出处:
引用格式:
[1]李斌;蓝元盛;章从旭-.基于SVM集成学习的隧道掌子面稳定性预测方法)[J].现代隧道技术,2022(03):63-71
A类:
B类:
集成学习,隧道掌子面,掌子面稳定性,稳定性预测,隧道开挖,相应措施,隧道施工,施工过程,快速预测方法,正交实验设计,设计原理,训练样本,支持向量机算法,核函数,学习机制,投票法,泛化误差,强度折减法
AB值:
0.173387
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。