基于时间序列与DEGWO-SVR模型的隧道变形预测方法
|
朱宝强,王述红,张泽,王鹏宇,董福瑞
|
Prediction method of tunnel deformation based on time series and DEGWO-SVR model
|
Bao-qiang ZHU,Shu-hong WANG,Ze ZHANG,Peng-yu WANG,Fu-rui DONG
|
|
表 3 不同预测模型最优参数寻优结果 |
Tab.3 Optimal parameters of different prediction models |
|
模型 | 监测断面 | 位移分量 | c | g | DEGWO-SVR | ZK37+900 | 趋势项 | 9.999 | 0.010 | DEGWO-SVR | ZK37+900 | 平稳随机项 | 7.185 | 2.707 | DEGWO-SVR | ZK37+910 | 趋势项 | 6.080 | 0.010 | DEGWO-SVR | ZK37+910 | 平稳随机项 | 28.350 | 1.669 | SVM信息粒化 | ZK37+900 | 趋势项 | 51.874 | 0.150 | SVM信息粒化 | ZK37+900 | 平稳随机项 | 26.164 | 0.713 | SVM信息粒化 | ZK37+910 | 趋势项 | 82.852 | 0.150 | SVM信息粒化 | ZK37+910 | 平稳随机项 | 12.170 | 0.315 | SVM | ZK37+900 | 趋势项 | 1.000 | 0.125 | SVM | ZK37+900 | 平稳随机项 | 1.000 | 0.125 | SVM | ZK37+910 | 趋势项 | 1.516 | 0.125 | SVM | ZK37+910 | 平稳随机项 | 8.000 | 0.125 |
|
|
|