基于灰色关联支持向量机的地表沉降预测

2012-11-29谭鹏曹平

中南大学学报(自然科学版) 2012年2期

谭鹏，曹平

(中南大学资源与安全工程学院，湖南长沙，410083)

隧道的地表沉降量与众多随机性、不确定性因素存在着复杂的非线性关系，很难用一种确定的关系进行确定表达。如何用已经监测到的工程参数进行建模，并对沉降的未来演化规律、发展趋势等进行预测，在工程上具有十分重要的意义[1]。目前主要方法是传统分析方法、智能岩石力学的神经网络方法和灰色理论。传统分析方法是利用观测的历史沉降位移建立预测的统计模型，但是，这种统计模型一般当因变量和自变量之间是线性关系或一些简单的函数关系时才使用，同时，当数据太少时不具有统计意义。智能岩石力学的神经网络方法也是基于大样本的一种学习方法。灰色理论在部分信息未知的小样本、贫信息的系统预测中是一种非常有效的方法[2]，但近年来的研究表明[3−5]，该方法由于本身存在一些理论缺陷，使得预测结果出现较大误差。在此，本文作者基于对岩石力学的研究思路[3−10]，将灰色关联理论与基于统计学习理论发展的新学习方法支持向量机结合起来，将灰色理论中的灰色关联分析应用到支持向量机模型中，充分应用支持向量机对复杂的非线性数据的预测能力[11]，建立灰色关联支持向量机预测模型，以便为隧道地表沉降提供一种预测新途径。