科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决桥岸边坡位移反演中采用传统粒子群算法收敛速度过慢、容易陷入局部最优解的问题，通过引入最差粒子改进策略和最优粒子扰动策略，提出结合灰狼算法改进优化目标方程特性的粒子群优化算法(GWOPSO)。使用最小二乘支持向量机(LSSVM)建立岩土体参数与监测点位移之间的映射关系，根据Flac3D数值模型计算得到训练与检验样本，设置参数初值与粒子个体极值并代入LSSVM进行训练，应用改进的GWOPSO算法搜索LSSVM最优向量机核函数，提高LSSVM的预测精度和适用性。然后，将反分析的目标函数值作为各个粒子的适应度值，利用改进的GWOPSO算法搜索岩土体力学参数的最优组合，进而提出LSSVM和GWOPSO相结合的边坡位移反演方法(LSSVM-GWOPSO算法)，并讨论其可行性。研究结果表明：在标定函数测试下，改进的粒子群优化算法较传统的粒子群优化算法在收敛速度与精度上有大幅度提高，在处理对于单模态和实时性要求较高的多模态优化问题的大型工程项目中能迅速进入局部搜索，并跳出得到全局最优解。与传统的SOPSO算法和SAPPSO算法相比，LSSVM-GWOPSO算法反演精度和反演速度均有较大幅度提高。将研究结果与算法应用到某艰险山区特大桥梁桥岸边坡岩土体参数反演分析，并对边坡后续的位移以及破坏模式进行预测分析，取得较好效果。
-
单位中铁大桥局集团有限公司; 土木工程学院; 西南交通大学
