首页|基于WOA-SVM的引水隧洞岩爆烈度评估模型

基于WOA-SVM的引水隧洞岩爆烈度评估模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为减少引水隧洞施工过程中岩爆事故的发生,在施工前做好岩爆烈度评估,选取4项评价指标作为岩爆的评价指标,分别为:岩石单轴饱和抗压强度Rc、岩石单轴抗拉强度Rt、围岩最大切向应力σθ和岩石弹性能量指数Wet;基于前人研究成果,选取120组岩爆实例作为机器学习样本数据,构建基于鲸鱼优化算法(WOA)优化支持向量机(SVM)的评估模型;并以滇中引水工程香炉山深埋长引水隧洞为例进行岩爆烈度评估的验证.结果表明:机器学习可以较好避开人为因素,完全由数据驱动,WOA-SVM评估精度达到97.22％;经过对比,所构建的模型比PSO-SVM、GA-SVM和WOA-BP神经网络模型在评估精度、泛化程度上均更优;同时,WOA-SVM模型在处理岩爆问题上可以更好地捕捉岩爆等级与指标之间的联系.
Evaluation model of rockburst intensity of diversion tunnel based on WOA-SVM

whale optimization algorithm(WOA)support vector machine(SVM)water intake tunnelrockburst intensitymachine learning

靳春玲、姬照泰、贡力、安祥、周一

展开 >

兰州交通大学土木工程学院,甘肃兰州 730070

鲸鱼优化算法(WOA) 支持向量机(SVM) 引水隧洞 岩爆烈度 机器学习

国家自然科学基金国家自然科学基金甘肃省科技计划甘肃省教育厅优秀研究生"创新之星"项目

519690117226102420JR10RA2742023CXZX-599

2023

10.16265/j.cnki.issn1003-3033.2023.09.1143

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(9)
  • 9