论文部分内容阅读
随着城市化进程的加快,越来越多人口涌向大城市,大城市的发展越来越倾向于地下空间发展,地下商场、地下通道、地铁建设等工程项目越来越多。地下施工在工程上的比重也越来越大。地下施工无可避免的会引起地层应力状态变化,造成地层损失,引起地表沉降,由于引起地表沉降的因素众多,除了对施工工序研究之外,如何找寻地表沉降规律,对未来沉降进行预测,当沉降量过大时,提前做好支护,也成为当前的研究热点。文章主要从智能算法的角度,对基于沉降值时间序列的预测进行分析和探讨。由于地表沉降序列的不平稳性,现有的预测模型难以达到期望的精度,对地下施工的指导意义有限。本文提出了一种基于经验模态分解(EMD)和支持向量回归(SVR)相结合的预测方法。本文主要工作包括以下几个方面:(1)首先分析了地表沉降预测的研究背景和意义、当前的地表沉降预测研究现状和支持向量机的研究现状。(2)由于地表沉降序列的不平稳性,提出采用经验模态分解(EMD)方法将地表沉降序列分解为一个代表地表沉降发展趋势的趋势分量和一些平稳的波动分量,以便更好地获取地表时间序列的内在信息。然后对分解后的趋势分量和波动分量分别建立模型来预测未来的沉降量。(3)基于SVR模型对参数较有强的依赖性,为解决这一问题,引入优化算法对其寻优。考虑到传统粒子群算法实现简单但容易在局部最优解搜索停滞,本文引入量子粒子群算法,该算法中粒子能像量子随机出现在量子空间一样以概率出现在搜索空间的任一个位置,避免陷入局部最优解的问题。(4)由于时间序列分析ARMA模型能很好地刻画波动性时间序列,将ARMA模型引入,建立一个混合预测模型,以期望能发挥模型各自的优势,互补对方的不足。将该方法应用到长春自由大道地铁站地表沉降时间序列,对其进行预测,对结果进行分析,探讨了回归模型核参数的选择问题,并验证了本文提出的方法是有效的,可用来指导地下工程施工。