文献类型：期刊文章

作　　者：周爱红[1] 倪莹莹[1] 尹超[1,2] 孙武[3]

ZHOUAihong1 , NI Yingying1 , YIN Chao1,2 , SUN Wu3(1. School of Prospecting Technology ＆ Engineering, Hebei GEO University, Shijiazhuang 050031, China; 2. School of Civil Engineering, Bei- jing Jiaotong University, Beijing 100044, China; 3. Department of Civil Engineering, Xuzhou Institute of Architectural Technology, Xuzhou, Jiangsu 221008, Chin)

机构地区：[1]河北地质大学勘查技术与工程学院,石家庄050031 [2]北京交通大学土木建筑工程学院,北京100044 [3]徐州建筑职业技术学院土木工程系,江苏徐州221008

出　　处：《测绘科学》

基　　金：国家自然科学基金项目(41301015);河北省教育厅重点项目(ZD2015073;ZD2016038);住房和城乡建设部科技计划项目(2013-R3-19);河北地质大学第十三届学生科技基金科研项目(KAG201608)

年　　份：2018

卷　　号：43

期　　号：3

起止页码：167-172

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对盾构施工引起的地面沉降的影响因素众多、关系错综复杂,常规数学模型难以准确预测沉降量的问题,该文提出了采用主成分分析法和粒子群优化的支持向量机方法来建立预测模型。并结合工程实例将预测结果与常用的多元线性回归模型和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较。结果表明:PCA-PSO-SVM的预测结果精度较多元线性回归模型和LM-BP神经网络有很大的提高,证明了该研究方法具有一定的理论意义和参考价值。

关 键 词：地面沉降 盾构施工 主成分分析 粒子群优化 支持向量机

分 类 号：U456.3] U455]