论文部分内容阅读
现场监测获得的围岩变形信息,从宏观上反映了洞室的力学性态变化。为克服人工神经网络方法的过学习问题,提出了一种新的洞室围岩变形预测模型——进化支持向量机模型。该模型利用蚁群算法来搜索支持向量机的惩罚因子和核函数参数,避免了人为选择参数的盲目性,提高了支持向量机的推广预测能力。应用该非线性智能预测方法,滚动预测围岩变形量,能及时发现异常情况,从而调整和优化施工步序,维护洞室的稳定性。将该方法用于锦屏一级水电站工程洞室变形预测,结果表明,该方法具有科学可靠、实时性的优点,具有广泛的应用前景。