排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
为了准确估计岩体性质,依托阳山高速铁路隧道,提出了一种基于最小二乘支持向量回归(LS-SVR)的多源监测数据高铁隧道围岩参数反分析方法.以均方根误差(RMSE)和绝对百分比误差(MAPE)为评价指标,将参数反分析结果与BP神经网络和高斯过程回归模型结果进行比较.结果表明,对于单一类型的监测数据,考虑拱顶沉降的LS-SVR模型的RMSE和MAPE值最低.随着监测数据类型的增加,LS-SVR反分析模型的RMSE值逐渐减小,且采用拱顶沉降、收敛和仰拱隆起3种监测数据的反分析模型的RMSE值最小.相比于BP神经网络和高斯过程回归模型,LS-SVR模型具有较低的RMSE和MAPE值.相较于现有围岩力学参数反分析方法,考虑多源监测数据的LS-SVR模型具有更高的参数反分析精度. 相似文献
1