国家自然科学基金(50078002)
- 作品数：13 被引量：179H指数：7
- 相关作者：乔春生刘开云滕文彦刘保国魏莉萍更多>>
- 相关机构：北京交通大学石家庄铁路工程职业技术学院石家庄铁路职业技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：建筑科学交通运输工程理学自动化与计算机技术更多>>
- 建筑物帷幕注浆加固效果的数值模拟分析
- 2007年
- 通过广州某地铁车站的施工对周边既有建筑物影响的三维数值模拟分析,探讨了地表钻孔帷幕注浆对既有建筑物的保护作用。实践证明,帷幕注浆起到了阻隔地层变形及地下水渗流的作用,有效地减小了建筑物的沉降量及倾斜度,保证了建筑物的安全。
- 阮松乔春生王超
- 关键词：建筑物保护帷幕注浆FLAC^3D数值模拟流固耦合
- 基于改进GA-SVR算法的隧道工程智能信息化设计研究被引量：6
- 2008年
- 传统的信息化设计在监测信息处理、信息的反馈分析及初步设计的信息化修正等方面存在不准确、不及时和难以操作的缺点。本文结合铜黄高速公路坞石隧道的施工,将一种改进的支持向量回归(SVR)算法引入隧道工程的信息化设计中。采用十进制遗传算法搜索改进的SVR参数,形成改进的GA-SVR算法,并编制相应的计算程序。坞石隧道的应用结果表明,这种改进的GA-SVR算法无论是对监测数据的拟合预测,还是监测信息的反馈分析都能做到准确快速,在反分析完成后采用改进的GA-SVR算法进行3个开挖步内的位移超前预报也具有较高的精度。最后提出一种基于此算法的初步设计最优化修正方法,形成以此算法为核心的完整的隧道工程信息化设计方法,具有快速、操作简单和计算准确的优点。该算法可以在隧道工程中使用。
- 刘开云乔春生刘保国
- 关键词：隧道工程支持向量回归遗传算法信息化设计
- 饱水黄土隧道变形规律研究被引量：35
- 2003年
- 新松树湾隧道位于饱和的砂粘土中,土体的稳定性极差,施工难度较大。为此,在隧道施工期间,通过土工试验、隧道收敛和围岩内部位移的现场监测、隧道变形的三维有限元仿真计算等手段,对该隧道的变形规律进行了系统研究,获得了大量试验数据。研究成果对隧道的施工组织和支护参数的确定起到了重要作用,为此类隧道的施工积累了经验。
- 乔春生管振祥滕文彦
- 关键词：隧道变形
- 应用支持向量机回归确定岩体强度指标被引量：3
- 2004年
- 在确定岩体力学参数中引入支持向量机,介绍了其具体的回归算法.并用这一方法回归预测岩体强度指标,通过实例证明支持向量机用于多影响因素、小样本容量的岩体强度指标回归问题,能够保证较理想的推广预测能力.
- 张贵乔春生
- 关键词：岩土工程结构风险最小化支持向量机
- 基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识被引量：8
- 2007年
- 将支持向量回归(SVR)算法引入岩土工程数值计算模型参数的辨识中可以充分发挥SVR算法的小样本、泛化性好和全局最优化的优点。但现阶段标准的SVR算法只能解决一维输出变量的回归问题,这就使其在反分析领域的应用受到限制。引入一种改进的SVR算法,这种算法通过将多维输出变量回归转化为多层标准一维输出变量回归来解决这个问题,并与十进制编码的遗传算法相结合,形成改进的GA-SVR算法,用遗传算法搜索最优的SVR模型参数以建立最优的待辨识参数与位移之间的非线性映射关系,然后用遗传算法进行待辨识参数的最优辨识。为对比这种改进GA-SVR算法的效果,将遗传算法与BP神经网络相结合,形成GA-BP算法且编制相应的计算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识,数值算例表明改进的GA-SVR算法较GA-BP算法可以取得更高的辨识精度和更好的计算效率,可运用于类似岩土工程计算参数的辨识。
- 刘开云乔春生刘保国
- 关键词：隧道工程参数辨识支持向量回归
- 软岩工程支护的双层SVM的智能设计方法被引量：1
- 2005年
- 将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径.
- 滕文彦乔春生胡宇庭
- 关键词：软岩工程支护设计支持向量机
- 边坡角设计的支持向量机建模与精度影响因素研究被引量：8
- 2005年
- 运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(SVM)算法,采用线性Linear 和径向基函数 RBF 两种核函数以及ε 不敏感和 Quadratic 两种损失函数,并且考虑惩罚参数 C 的不同,编写了相应的程序对影响边坡角设计的诸多因素进行了机器学习,经过反复调整相关参数和计算对比,找到了拟合精度很高的支持向量机网络,并以此网络对测试样本作预测检验模型的可靠性;对影响支持向量机建模精度的各种影响因素作了计算和分析,在此基础上,初步确定了各参数对 SVM 模型精度影响大小的顺序,为 SVM 在类似工程上的应用提供了借鉴。
- 刘开云乔春生田盛丰滕文彦
- 关键词：边坡工程支持向量机建模
- 基于支持向量机的隧道变形预测方法被引量：30
- 2004年
- 提出一种基于支持向量机的隧道变形预测新方法。支持向量机基于结构风险最小化,具有更强的泛化能力,是一个凸二次优化问题,能够保证所得解就是全局最优解。采用RBF和Bspline核函数学习某隧道前30天的收敛监测数据,用学习得到的最佳支持向量机网络预测30天后隧道的收敛。结果表明,支持向量机回归和预测的最大相对误差不超过6 5%。通过对比发现,Bspline核函数比RBF核函数效果更好。
- 田执祥乔春生滕文彦刘开云
- 关键词：隧道支持向量机
- 基于遗传-广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究被引量：14
- 2009年
- 广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。
- 刘开云乔春生刘保国
- 关键词：隧道遗传算法位移反分析
- 高速公路连拱隧道施工变形预测的GA-SVR智能模型研究被引量：7
- 2009年
- 基于连拱隧道支护结构繁多,施工工序复杂,同时由于施工影响,现场监测数据较少且数据误差较大,造成传统方法很难用于连拱隧道的施工变形预测。针对于此,支持向量回归(SVR)算法可以任意精度逼近任意函数,与神经网络相比具有小样本、全局优化和泛化性能好的优点。本文结合铜黄高速公路富溪连拱隧道的施工变形监测,采用遗传算法来优化支持向量回归算法的模型参数,形成GA-SVR算法,建立起了连拱隧道变形预测的GA-SVR智能模型。采用此模型对富溪隧道后继开挖的监测时间点进行变形预测,并与GA-BP模型对比可以看出本文所建立的GA-SVR智能模型具有极高的预测精度,完全可用于连拱隧道施工期的变形预测,也为类似工程提供了借鉴。
- 刘开云乔春生刘保国
- 关键词：隧道工程支持向量机遗传算法
