伊西凯 姜 丞 钱 瑞 刘伽诺
(湖北省交通规划设计院股份有限公司 武汉 430000)
由于地质勘察、模拟试验、人工计算方法存在差异,所以设计时预期情况与实际的地基处理和路基施工进度常有不同,路基真实发生的沉降量及其变化过程与设计初期一般存在很大的误差。所以,必要时需要通过现场实测沉降数据准确预测后期沉降并对原始数据进行修改,即在实际施工时对软土路基沉降量进行动态设计和施工控制[1]。如果施工时沉降量或工后沉降量与设计值差异过大,会造成桥头跳车,路面凹陷等。所以,准确预测公路软土地基沉降是一项重要的土工问题[2-3]。随着公路建设的不断投入、软土路基计算断面加大,因此需要一种模型能方便准确的预测沉降。为了提高预测可靠性和准确度,各种沉降计算模型被提出。目前沉降预测方法主要有支持向量机[4]、双曲线法[5]、灰色理论方法[6]及神经元网络[7]等。以上方法在一定程度改善了软基沉降预测的准确性,但同时也存在着不足之处,地基沉降不仅有确定的规律性,由于路基沉降过程受各种影响的综合作用,因此同时也具有较强的随机性,因此在采用单一预测模型时往往不能准确反映沉降的实际过程,故本文提出SVM-AR的组合模型,用SVM模型和AR模型分别对建筑物沉降变形的趋势量及随机量进行预测,以反映地基沉降规律性和随机性的特点,使预测结果更加准确。
支持向量机SVM 模型建立在VC 维理论和结构风险最小化原则基础上统计学习理论[8]上,当SVM用于回归预测时被称为SVM 回归机,其基本如下。……