基于支持向量机的围岩定性智能分级研究

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

练，并得到评判因子与围岩级别的映射关系，而可以对未知的围岩样本进行级别判别。判别结果表明：从采用多项式核的支持向量机对围岩级别进行判别有较高的准确率，是一种值得推广和应用的围岩智能分级方法。
关键词围岩分级
中图分类号：Ｕ５Ｔ４２
（ ①成都理工大学地质灾害防治与地质环境保护国家重点实验室（￣）雅西高速公路有限责任公司 ② ｔｌｌ摘要成都６００）１００成都６０５）１０９
本文将数据挖掘的新方法支持向量机应用于隧道围岩分级。支持向量机是一种基于统计学习理论的新的学习算
ｓｌ—ａｐｅｌａｎｉｇｐｏｌｍｓｂｔｅｈａｅｒｌｎｔｒｍａｌｓｍｌｅｒｎｒｂｅｅｔｒｔｎｎｕａｅｗｏｋ．Ｐａａｅｅｓｉｃｕｄｎｏｋｌｙｒｔｉｋｓｒｃａｓｒｍｔｒｎｌｉｇｒｃａｅｈｃｎｅｓ，ｏｋｍｓ
（）ｔｔＫｙＬｂｒｔｙｏｅ—ａａｄＰｅ￣ｉｎｅ— ｖｏｍｎｒｅｉｈｎｄｎｖｒｔｏｅｈｏｏｙＣｅｇｕ（ＳａｅｅａｏａｒＧｏｈｚｒｒｅｏａｄＧｏｅｉｎｅｔｏｃｏｏＣｅｇｕＵｉｓｙｆＴｃｎｌ，ｈｎｄ￣ｏｆｖｎｎｒＰｔｔｎｆｅｉｇ
ｍａｓｉｕｎｌ．ＶＭｓａｎｖｌｐｗｅｆｌｌａｉｇｍｅｈｄｔｔｂｓｄｏｔｔｓｉａａｎｎｓｎｔｎｅｓＳｉｏｅｏｒｕｅｎｎｔｏｈａａｅｎＳａｉｔｃｌＬｅｒｉｇＴｈｅｒ．ＶＭａｏｖｏｙＳｃｎｓｌｅ
ＪｕｎｌｆＥｇｎｅｎｅｌｙｏｒａｎｉｅｒｇＧｏｇｏｉｏ
工程地质学报
１０ — ６５２１／９１一０８００４９６／０１（）０８・５１
基于支持向量机的围岩定性智能分级研究木
牛文林① 李天斌① 熊国斌② 张广洋②
支持向量机
隧道
文献标识码：Ａ
ＳＵＰＰｏＲＴＶＥＣＥＤＩＮＴＥＬＬＩＧＥＮＴＲｏＣＫＭＡＳＳ
ＣＬＡＳＳＦＩＩＣＡＴＩｏＮＥＴＨｏＤＭ
ＮＩＷｅｌＵｎｉｎ① ＬＩＴｉｎｉ ① ａｂｎＸＩＯＮＧｏｎＧｕｂｉ ② ＺＨＡＮＧａｇａｇＧｕｎｙｎ￣
法，神经网络算法能更好地解决小样本问题。选用岩层厚度、比岩体结构、台程度、化程度、下水特征、理发育程度、嵌风地节榔
头敲击声和地应力等８个定性指标作为评判因子，泥巴山隧道采集的实际数据作为样本对不同核函数的支持向量机进行训用
ｗｔｉｅｅｔｅｎｌ．ＴｅｍａｐｎｅａｉｎｈｐｂｔｅｎｊｄｅｆｃｏｓａｄｒｃｓｌｓｅｓｄｈＶｃｌｉｄｆｒｎｒｅｓｈｐｉｇｒｌｔｓｉｅｗｅｕｇｔｒｎｏｋｍａｓｃａｓｓｉｕｅ．ＴｅＳＭａｈｆｋｏａｓｌ
ａｄｇｏｎｔｓ，ｒｈｓａｅｕｇｃｒ．ａａｓｍｌｓｒｉａＭｕｔｉｔｎｅａｅｕｅａｅＳＭｎｒｕｄｓｅｓａｃｏｅｓｈｄｅａｔｓＤｔａｐｅｏＮｂｏｎａｎｌｒｓｄｔｔｉｔＶｒｅｔｊｆｏｆｍｎｕｏｒｎｈ
ｓｕｔｒ，ｌｏｄｔｎｗａｈｒｇｃｎｉｏ，ｒｕｄａｒｈｒｃｒｔ，ｉｔｏｄｔｎｈｍｍｒｋｏｋｎｏｎｔｃｅｉａｃｎｉｏ，ｅｔｅｉｏｄｉｎｇｏｎｗｔａａｔｉｉｊｎｃｎｉｏ，ａｅｎｃｉｇｓｕｄｒｕｎｙｉｎｔｅｃｅｓｃｏｉ
ｄｓｒｍｉａｅａｄｐｏｉｅｃａｓｕｎｎｗｎｄｔａｌｓｏｏｋｍａｓｉｃｉｎｔｎｒｖｄｌｓ — ｋｏａａｓｍｐｅｆｒｃｓ．ＲｅｕｔｏｈｌｓｉｃｔｏｈｗｓｔｔＳｓｌｆｔｅｃａｓｆａｉｎｓｏｈａＶＭｔｉｗｉｈｐｌｎｍｉｋｒｅａｉｈａｃａｙｗｈｎｉｉｓｄｔｌｓｉｈｏｋｍａｓＳｈｓｉｎｉｔｌｉｅｔｃａｓｆｃｔｎｏｙｏＭｅｌｈｓａｈｇｃｕｒｃｅｔｓｕｅｏｃａｓｆｔｅｒｃｓ．ｏｔｉｓａｎｅｌｇｎｌｓｉｉａｉｎｙｏｏｏｋｍａｓｍｅｈｄｔａａｅａｐｉｄｔｌｓｉｏｋｍａｓｉｕｎｌ．ｆｒｃｓｔｏｈｔｃｎｂｐｌｏｃａｓｆｒｃｓｎｔｎｅｓｅｙ
６０５）１０９
（ｉｕｎＹｘＥｐｅｓａｏＬｄ，ｈｎｄ６００）（ｃａａｉｘｒｗｙＣ．ｔ．Ｃｅｇｕ１００￣Ｓｈｓ
ＡｓａｔＡｎｗｄｔｍｉｉｇｍｅｏｆｕｐｒＶｃｒＭｃｉｅ（ＶＭ）ｓａｐｉｄｏｈｌｓｉｃｔｎｏｏｋｂｔｃｒｅａａｎｎｔｄｏｐｏｔｅｔａｈｎｓＳｈＳｏｉｐｌｎｔｅｃｓｉｉｆｃｅａｆａｏｒ