苏 昭

(陕西铁路工程职业技术学院，陕西 渭南 714000)

0 引 言

隧道突涌水问题是其施工过程中的一种常见灾害，不仅会造成施工工期延误，还可能造成人员伤亡及财产损失，进而开展隧道涌水问题研究具有较强的必要性。目前，在隧道涌水灾害的研究成果中，隧道涌水量预测是一个热点问题，已被相关学者进行了研究，如李显伟在隧道涌水影响因素筛选的基础上，利用层次分析法构建了隧道涌水量预测模型，合理指导了现场施工；徐承宇利用数值模拟分析了隧址区的水文地质条件，进而实现了隧道涌水量预测，并对比模拟结果和现场监测成果，得到两者具有较好的一致性，验证了模拟方法的有效性；雷波等、杨卓等和廖志泓均以BP神经网络为基础，构建了隧道涌水量预测模型，且预测结果与实际情况较为一致，进而验证了该预测模型的有效性。上述研究虽取得了一定的研究成果，但其研究均未涉及支持向量机在隧道涌水量预测中的应用，加之隧道所处位置的区域性特征，进行有必要进一步开展隧道涌水量预测研究。因此，该文以支持向量机为理论基础，利用试算法和粒子群算法优化模型参数，进而构建出参数优化后的隧道涌水量预测模型，以便更好的指导现场灾害防治。

1 基本原理

该文预测模型主要包含两个阶段，其一，是模型参数的优化过程，即先以试算法确定最优核函数，再利用粒子群算法优化支持向量机的惩罚系数；……