论文研究 基于粒子群与支持向量机的隧道变形预测模型.pdf

针对粒子群算法易早熟且在算法后期易在全局最优解附近产生振荡现象，提出一种自适应调整惯性权重的优化粒子群算法。该算法引入双曲线正切函数的非线性变化思想，使惯性权重随着迭代次数的增加产生自适应调整，有利于增强粒子搜索能力及收敛速度，不易陷入局部极值点。将该算法应用于基于支持向量机的隧道变形预测模型中，对预测模型的超参数进行优化，并利用稳态与非稳态两组实测工况数据对组合算法进行工程测试，结果表明采用SaωPSO SVM算法可有效提高预测模型的计算精度，增强其鲁棒性，有助于隧道变形的工程建模。