论文部分内容阅读
结合时间序列分析理论，提出一种基于高斯过程隧道位移时序预测新方法.与支持向量回归(SVR)相比，该方法有容易实现、超参数可自适应获取及预测输出具有概率意义等优点.通过分析不同类型Mercer核的性质，在高斯过程模型下分别采用稳态高斯核和非稳态神经元两种不同核函数对某隧道的位移监测样本进行学习预测，并结合支持向量回归方法给出了在时序预测问题上的应用和对比分析.结果表明：非稳态神经元核函数的拟舍及预测性能均优于高斯核，平均预测相对误差仅为1.37％，能更好的适应复杂非线性时序分析，可作为隧道信息化施工的一种辅助工具.