基于KPCA-IPSO-SVM模型的地下洞室围岩变形预测研究

摘要

为了提高地下洞室施工期围岩变形预测的准确性和运算速度,研究了KPCA-IPSO-SVM预测模型在地下洞室施工期围岩变形预测中的运用,并对粒子群算法(PSO)进行改进。核主成分分析法(KPCA)可将输入参数映射到高维空间处理,依据累计贡献度提取模型输入的非线性主元,降低输入参数的维度;改进粒子群算法(IPSO)对支持向量机(SVM)的核函数参数和惩罚因子进行优化。以向家坝水电站地下洞室施工期围岩变形监测数据作为研究对象,对该模型进行训练和预测,并将KPCA-IPSO-SVM模型与单一SVM、PSO-SVM、IPSO-SVM预测模型进行比较。结果表明,KPCA-IPSO-SVM模型具有更高的预测精度和运算速度。