论文部分内容阅读
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.