基于SVM模型的基坑监测数据预测

作者：许志海; 张可能; 李斌; 蹇彪; 左建敏; 王彦之

来源：工程建设与设计, 2019, (13): 186-190.

DOI：10.13616/j.cnki.gcjsysj.2019.07.060

• SVM
• 位移监测
• 预测模型
• 基坑
• 支护桩

随着不敏感损失函数ε在支持向量机(Support Vector Machine,SVM)中的引进,这一机器学习模型在非线性领域中得到有效运用。SVM在工程领域主要用于进行回归分析、模式识别以及分类,这些应用逐渐成为工程领域的热点。笔者基于SVM构建立模型,对郴州某紧邻边坡条件下的基坑支护桩位移与锚索拉力监测数据进行分析后,建立基于两者施工过程中的监测数据的预测模型。通过与后期所得监测数据对比,检验预测的准确率。之后利用模型对将来某段时间基坑支护桩的位移进行预测,用于评价基坑在预测时间内的稳定性。经模型计算后发现,在对紧邻边坡的基坑支护桩不同深度变形的预测上,在短期内具有较好的一致性,最大误差不超过9%。但随着时间的增长,预测值越来越偏离实际情况,预测周期超过3d误差陡增,预测值不再具有参考意义。预测模型可用于类似工程中对基坑的稳定性作出判断。

• 单位
  中南大学; 中建五局土木工程有限公司; 物理学院