论文部分内容阅读
在隧道位移反分析方面，文章针对BP神经网络易过度训练样本及小样本精度较低的缺陷，利用支持向量机（SVM）良好的泛化能力，提出了一种基于支持向量机进行隧道工程的弹塑性位移反分析方法。同时考虑支持向量机的性能很大程度依赖于参数的选择，运用改进的人工鱼群（IAF）高效的全局搜索能力，寻找最优的SVM参数，以此避免SVM在参数选择上的随机性。利用FLAC^3D软件进行某隧道工程正分析计算，依据若干测点的位移计算结果，运用该方法进行弹塑性位移反演。结果表明，在小样本空间里，该方法的收敛速度和反演精度均优于BP神经网