基于粒子群算法改进支持向量机的深基坑变形预测研究

作者：蔡群群

来源：黑龙江交通科技, 2023, 46(05): 97-103.

DOI：10.16402/j.cnki.issn1008-3383.2023.05.032

• 基坑工程
• 变形预测
• 机器学习
• 支持向量机
• 粒子群算法

为实现复杂地质条件中深基坑变形的精确预测，提出了一种动态惯性权重粒子群算法改进支持向量机的基坑变形预测模型。引入遗传算法改进的支持向量机模型和标准BP神经网络模型作为横向对比验证了预测效果。结果表明：动态惯性权重对支持向量机核函数参数的寻优速度更快，收敛精度更高，采用改进粒子群算法优化的支持向量机模型预测的平均相对相对误差仅为5.46%,拟合精度相较其他算法更高，预测效果良好，可较为准确的实现深基坑的变形预测。