基于PSO-LSSVM的砂层可注性预测模型及其敏感性分析

摘要

现有砂层可注性评价方法多为分类评价,且分类标准不一,不利于实际工程应用.为此,采用粒子群算法(PSO)对最小二乘支持向量机(LSSVM)进行优化,提出可注性量化预测模型.选取水泥浆液水灰比RWC、相对密实度Dr、细颗粒(直径<0.075 mm)含量θ、砂层特征粒径D10和D15为控制变量,开展129组可注性室内试验,以每组试验浆液扩散距离作为可注性量化评价指标.基于PSO-LSSVM方法建立砂层可注性与各控制变量间的关系模型,采用傅里叶幅度敏感性测试法(FAST)对可注性影响因素进行全局敏感性分析.结果 表明:PSO-LSSVM模型具有较高的预测精度,砂层可注性模型预测值与试验值基本一致,拟合优度R2为0.982;各影响因素对可注性的敏感性排序为:D10>D15>Dr>θ>RWC,其中D10和D15敏感性显著高于Dr、θ和RWC.