人工冻土单轴抗压强度GA-SVM预测模型|冻土的单轴抗压强度

　　摘 要：为了预计冻结法凿井中井壁结构设计中的人工冻土单轴抗压强度，利用支持向量机在处理小样本分类学习的独到优越性及遗传算法全局并行搜索优化的特点，结合影响人工冻土单轴抗压强度因素，提出了人工冻土单轴抗压强度不同核函数的遗传支持向量机计算模型，并运用该模型预计了两淮地区第四系人工冻土单轴抗压强度。结果表明，多项式核函数的遗传支持向量机模型较高斯径向基核函数及Sigmoid核函数的遗传支持向量机模型较准确地预计人工冻土单轴抗压强度。该模型为人工冻土单轴抗压强度的预计提供了一条新途径。
　　关键词：人工冻土单轴抗压强度；遗传支持向量机；预计模型
　　中图分类号：TU443 文献标识码：A
　　文章编号：1672-1098(2012)02-0001-05
　　收稿日期：2011-12-14
　　基金项目：国家自然科学基金资助项目（40972188/DO214）; 安徽理工大学博士科研启动基金资助项目；安徽省重点实验室资助项目
　　作者简介：姚兆明(1975- ),男,安徽黄山人,副教授,博士(后)，从事土体本构理论和岩土数值分析研究。
　　Forecasting Model for Uniaxial Strength of Artificial Frozen Soil Based on Genetic Algorithm Support Vector Machines Method
　　YAO Zhao-ming1,2,3， WANG Xuan1，CHEN Jun-hao1，XU Ying1
　　(1. School of Civil Engineering and Architecture, Anhui University of Science and Technology, Huainan Anhui 232001; 2.Atificial Frozen Soil Study Institute, Anhui University of Science and Technology, Huainan Anhui 232001; 3.China Coal Construction(group) Corporation Ltd. Hefei Anhui 230000,China )
　　Abstract: In order to predict artificial frozen soil uniaxial strength which is an important parameter for the shaft design during freezing sinking, the genetic algorithm support vector machine model is put forward which can calculate artificial frozen soil uniaxial compressive strength, based on the artificial permafrost uniaxial compressive strength test and using genetic algorithm which has the global optimization ability to optimize the support vector machine parameter which can solve small sample. The calculated results show that polynomial kernel function genetic support vector machine is better to calculate the artificial frozen soil strength. The genetic algorithm support vector machine is a new method to predict the artificial frozen soil uniaxial strength.
　　Key words:Artificial frozen soil uniaxial strength; genetic algorithm support vector machines; forecasting model
　　安全、经济、合理地将冻结法用于工程建设中是一个重要的研究课题，两淮地区煤矿矿井穿越深厚的第四系冲积层，涉及到的土层性质十分复杂。在冻结法凿井中，人工冻土单轴抗压强度是井壁设计的重要参数。目前计算人工冻土单轴强度有神经网络方法等，但该方法要求样本空间大，否则难以达到所要求精度。
　　支持向量机(SVM-Support Vector Machines)是一种基于统计学理论的小样本学习方法，采用结构风险最小化原则，具有良好的推广能力［1］。该方法具有以下特点：需要调整的参数少；估计未知参数时是一个凸目标函数的优化问题，可以用标准的二次型问题来解决，计算速度快且不存在局部极小；模型结构由样本集中最能“提供信息的”子样本集-支持向量来决定，通过改变支持向量的数目就很容易地连续改变模型结构；可以得到和控制模型泛化误差的上界，并且独立于训练集和测试集的分布［2-3］。
　　影响支持向量机预测能力是其参数，常用的参数经验确定法和网格搜索法很难找到全局最优解。遗传算法是模仿自然界进化机制发展起来的随机全局搜索和优化方法。其基本思想是根据问题的目标构造一个适值函数，对一个由多个解构成的种群进行评估、遗传操作，经多代繁殖，获得适应度值最好的个体作为问题的最优解。
　　本文将遗传算法与支持向量机相结合，考虑影响人工冻土单轴抗压强度因素，提出了人工冻土单轴抗压强度不同核函数的遗传支持向量机计算模型。运用不同核函数的遗传支持向量机模型预计了两淮地区第四系人工冻土单轴抗压强度，结果表明，多项式核函数的遗传支持向量机模型较高斯径向基核函数及Sigmoid核函数的遗传支持向量机模型较准确地预计人工冻土单轴抗压强度。