基于GWO-SVR模型的基坑边坡变形预测及敏感性分析

作者:孙铁军; 李杰; 张豹; 胡顺杰; 陈志光
更新时间:

准确预测基坑边坡变形是保证隧道明挖施工顺利进行的关键工作。针对传统预测方法不能表征土壤物理力学参数与基坑边坡变形之间非线性关系的局限性,以及单一预测算法的精度和鲁棒性较低的问题,提出了一种灰狼算法(GWO)优化支护向量回归机(SVR)基坑边坡变形预测模型。通过自动优化SVR通过GWO的预测模型C和g,建立了GWO SVR预测模型。以某基坑边坡为例,利用该模型进行了预测,并与未进行GWO优化的SVR进行了比较。最后,利用不同影响基坑边坡变形指标的权重分析了影响指标的影响权重。结果表明,GWO SVR预测模型能有效地预测基坑边坡的变形。经过GWO算法的优化,预测模型的精度和鲁棒性提高了约两倍。压缩模量和渗透系数对基坑边坡变形的敏感性最高,影响最大。为基坑边坡变形的长期预测提供了一种思路和方法。