基于粒子群支持向量机的三维含水层渗流参数反馈识别

›› 2009, Vol. 30 ›› Issue (5): 1527-1531.

基于粒子群支持向量机的三维含水层渗流参数反馈识别

姜谙男^{1, 2}，梁冰³

1.中国科学院武汉岩土力学研究所岩土力学与工程国家重点试验室，武汉 430071；2.大连海事大学道桥所，大连 116026； 3.辽宁工程技术大学力学与工程科学系，阜新 123000

收稿日期:2007-09-30 出版日期:2009-05-10 发布日期:2011-02-18
作者简介:姜谙男，男，1971年生，博士后，副教授，主要从事地下工程反馈分析研究。

Feedback identifying seepage parameters of 3D aquifer based on particle swarm optimization and support vector machine

JIANG An-nan ^{1, 2,} LIANG Bing³

1. State Key Laboratory of Geomechanics and Geotechnical Engineering, Institute of Rock and Soil Mechanics, Chinese Academy of Sciences, Wuhan 430071, China; 2. Bridge and highway research institute, Dalian Maritime University, Dalian 116026, China; 3. Department of Mechanics and Engineering Sciences, Liaoning Technical University, Fuxin 123000, China

Received:2007-09-30 Online:2009-05-10 Published:2011-02-18

摘要/Abstract

摘要：

实际岩土体含水层渗流一般是三维、空间各向异性的。针对三维渗流参数识别的数值正算时间过长，易限于局部最优解的问题，提出了一种基于支持向量机和粒子群优化算法的含水层渗流参数反馈识别方法。采用正交试验设计和有限元程序生成学习样本，利用支持向量机高度非线性映射能力，建立水头与渗流参数之间的映射关系，进而以识别误差目标函数为适应值，通过粒子群优化算法反馈搜索得到渗流参数。该方法可直接利用现有大规模渗流有限元程序进行三维含水层渗流参数识别。算例表明，该方法具有良好的效率和精度。

关键词: 三维渗流, 参数识别, 支持向量机, 粒子群优化

Abstract:

For actual engineering, the aquifers are generally three dimensional anisotropic problems, aiming at the computing time too long and local optimization limitation of conventional method, a new method of three dimensional seepage parameters identification based on support vector machine and particle swarm optimization is proposed. Adopting orthogonal experimental design and finite element program producing training samples, using SVM mapping, the nonlinear relation between water heads and seepage parameters is established. Then taking error objective function as the fitness value of particle swarm optimization, the seepage parameters should be identified by PSO. The method can directly utilize the large scale seepage finite element program. The computing example is given to prove that the method has favorable efficiency and precision.

中图分类号:

TU 452

姜谙男，梁冰. 基于粒子群支持向量机的三维含水层渗流参数反馈识别[J]. , 2009, 30(5): 1527-1531.

JIANG An-nan, LIANG Bing. Feedback identifying seepage parameters of 3D aquifer based on particle swarm optimization and support vector machine[J]. , 2009, 30(5): 1527-1531.

参考文献

null

相关文章 15

[1]	阮永芬, 高春钦, 刘克文, 贾荣谷, 丁海涛, . 基于粒子群算法优化小波支持向量机的岩土力学参数反演[J]. 岩土力学, 2019, 40(9): 3662-3669.
[2]	王昌硕，王亮清，葛云峰，梁烨，孙自豪，董曼曼，张楠. 基于统计参数的二维节理粗糙度系数非线性确定方法[J]. , 2017, 38(2): 565-573.
[3]	徐杨青，刘国锋，吴西臣. 武汉长江Ⅰ级阶地含水层水文地质参数研究及工程应用[J]. , 2016, 37(10): 2915-2920.
[4]	张乐文，王洪波，邱道宏，孙怀凤，孙子正，丁万涛. 小波降噪与粒子群优化综合回归爆破震动参数[J]. , 2014, 35(S2): 338-342.
[5]	李宁，王李管，贾明涛，陈建宏，谭正华,. 改进遗传算法和支持向量机的岩体结构面聚类分析[J]. , 2014, 35(S2): 405-411.
[6]	姜谙男，沙权贤，宋战平，李鹏，吴彪，. 桥基隧道明挖施工多元信息集成智能方法与应用[J]. , 2014, 299(2): 490-496.
[7]	范思遐，周奇才，熊肖磊，赵炯. 基于多核模式的隧道沉降预测[J]. , 2013, 34(S2): 291-298.
[8]	叶勇军，丁德馨，李广悦，宋键斌，李峰. 堆浸铀矿堆液体饱和渗流规律的研究[J]. , 2013, 34(8): 2243-2248.
[9]	李启月，许杰，王卫华，陈星明，张君 . 基于数学形态学多尺度分析的顶板下沉量预测[J]. , 2013, 34(2): 433-438.
[10]	何婷婷，尚岳全，吕庆，任姗姗 . 边坡可靠度分析的支持向量机法[J]. , 2013, 34(11): 3269-3276.
[11]	赵奎，何文，熊良宵，杨欣，王晓军 . 尾砂胶结充填体蠕变模型及在FLAC3D 二次开发中的实验研究[J]. , 2012, 33(S1): 112-116.
[12]	张明远，宋华珠，李彬，李艳 . 基于ICA-SVM的超长大直径钢管桩承载力预测[J]. , 2012, 33(9): 2759-2764.
[13]	郑志成，徐卫亚，徐飞，刘造保 . 基于混合核函数PSO-LSSVM的边坡变形预测[J]. , 2012, 33(5): 1421-1426.
[14]	林大超，安凤平，郭章林，张立宁. 滑坡位移的多模态支持向量机模型预测[J]. , 2011, 32(S1): 451-0458.
[15]	董辉，侯俊敏，傅鹤林，杨果岳. 基于范例推理的公路隧道拱顶变形时序支持向量机外延预测[J]. , 2011, 32(7): 2099-2105.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed