[發(fā)明專利]基于GA-PSO-GLSSVM算法的土巖復(fù)合地層深基坑變形時(shí)序預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210901203.2
• 申請(qǐng)日: 2022-07-28
• 公開(kāi)（公告）號(hào): CN115169243A
• 公開(kāi)（公告）日: 2022-10-11
• 發(fā)明（設(shè)計(jì)）人: 姜山;羅百勝;劉石磊;劉一鋒;蘇瑩;曹彥華;逄明卿;田海洋;馬超;榮溧;張海洋
• 申請(qǐng)（專利權(quán)）人: 中鐵三局集團(tuán)有限公司;中鐵三局集團(tuán)第四工程有限公司;中鐵投資集團(tuán)有限公司
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27
• 代理公司: 成都頂峰專利事務(wù)所(普通合伙) 51224
• 代理人: 葉昌威

1.一種基于GA-PSO-GLSSVM算法的土巖復(fù)合地層深基坑變形時(shí)序預(yù)測(cè)方法，其特征在于，所述方法包括：

步驟S1：收集已開(kāi)挖的土巖復(fù)合地層深基坑工程的原始變形監(jiān)測(cè)數(shù)據(jù)；

步驟S2：將所述原始變形監(jiān)測(cè)數(shù)據(jù)劃分為機(jī)器學(xué)習(xí)算法的訓(xùn)練集及驗(yàn)證集，并確定輸入步長(zhǎng)；

步驟S3：對(duì)學(xué)習(xí)樣本集數(shù)據(jù)進(jìn)行GM(1,1)模型累加預(yù)處理，并建立GLSSVM模型；

步驟S4：將GA算法的交叉算子和遺傳算子嵌入PSO算法中，并對(duì)GLSSVM模型核函數(shù)的容錯(cuò)懲罰系數(shù)γ與內(nèi)核參數(shù)σ²進(jìn)行優(yōu)化處理；

步驟S5：將經(jīng)過(guò)GA-PSO算法得到的模型優(yōu)化參數(shù)代入GLSSVM模型，得到GA-PSO-GLSSVM模型進(jìn)行預(yù)測(cè)分析，利用GM(1,1)模型進(jìn)行累加處理的數(shù)據(jù)獲得累加序列預(yù)測(cè)值；

步驟S6：對(duì)GA-PSO-GLSSVM模型得到的累加序列預(yù)測(cè)值進(jìn)行還原，得到原始數(shù)據(jù)的預(yù)測(cè)數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的基于GA-PSO-GLSSVM算法的土巖復(fù)合地層深基坑變形時(shí)序預(yù)測(cè)方法，其特征在于，步驟S2中每6次監(jiān)測(cè)數(shù)據(jù)為一個(gè)步長(zhǎng)作為輸入值，第7次數(shù)據(jù)作為輸出值，選取訓(xùn)練樣本的前80％作為訓(xùn)練集，后20％作為預(yù)測(cè)集進(jìn)行驗(yàn)證分析。

3.根據(jù)權(quán)利要求1所述的一種基于GA-PSO-GLSSVM算法的土巖復(fù)合地層深基坑變形時(shí)序預(yù)測(cè)方法，其特征在于，所述步驟S3中建立GLSSVM模型包括步驟：

3.1對(duì)原始監(jiān)測(cè)數(shù)據(jù)進(jìn)行GM(1,1)模型累加預(yù)處理：

其中，為原始監(jiān)測(cè)數(shù)據(jù)，為經(jīng)過(guò)GM(1,1)模型累加預(yù)處理后的數(shù)據(jù)；

3.2LSSVM模型高維特征空間描述及線性函數(shù)：

其中，xⁱ∈Rⁿ表示學(xué)習(xí)樣本，y_i∈R表示相應(yīng)的輸出預(yù)測(cè)樣本，前n期的學(xué)習(xí)樣本集合為A(x_i,y_i),i＝1，2，…，n；w為權(quán)值向量；J(w,e)為損失函數(shù)；γ為容錯(cuò)懲罰系數(shù)；e_i為誤差，為映射函數(shù)；b為偏置量；

3.3應(yīng)用拉格朗日算子對(duì)w和e進(jìn)行優(yōu)化求解，建立拉格朗日函數(shù)：

其中，α_i為拉格朗日乘子；

3.4根據(jù)KKT(Karush Kuhn Tucker)最優(yōu)條件對(duì)式3進(jìn)行微分求解，得到線性方程組：

其中，y＝[y₁，y₂，…，y_i]^T；E＝[1，1，…，1]^T；α＝[α₁，α₂，…，α_i]^T；Q為用于非線性映射的核函數(shù)，即Q_ij＝K(x_i，x_j)，i,j＝(1，2，…，n)；I為單位矩陣；

3.5求解方程組后得到GLSSVM的回歸模型：