基于粒子群优化支持向量机的地下洞室支护设计OA
Design of Underground Powerhouse Cavern Support based on Particle Swarm Optimization Support Vector Machine
水电站地下洞室支护设计因其环境复杂性而面临重大挑战,现有方案受限于主观经验和低精度等问题,难以满足设计需求.为提高地下洞室设计效率和可靠性,通过引入粒子群优化(PSO)优化支持向量机(SVM)参数,开发地下洞室支护智能设计模型.模型将洞室跨度、洞室高度、洞室高跨比、洞室埋深、围岩类别、岩石饱和单轴抗压强度、最大主应力值、岩石强度应力比作为输入指标.通过对 100 个国内外水电站地下洞室支护案例的训练测试.结果表明:该模型在各项输出指标上显示了高度…查看全部>>
The support design of underground powerhouse caverns in hydropower stations faces major challenges due to the complexity of the underground environment.Existing solutions are limited by subjective experience and low accuracy,making it difficult to meet design require-ment.In order to improve the efficiency and reliability of underground powerhouse cavern design,an intelligent design model for underground powerhouse cavern support is developed by introducing …查看全部>>
侯德俊;梁熙文;张昊辰;韩君格
天津大学 信息与网络中心,天津 300354天津大学 水利工程智能建设与运维全国重点实验室,天津 300354||天津大学 建筑工程学院,天津 300354中水北方勘测设计研究有限责任公司,天津 300222天津大学 资产与实验室管理处,天津 300354
水利科学
地下洞室支护设计粒子群优化支持向量机
underground powerhouse cavernsupport designparticle swarm optimizationsupport vector machine
《西北水电》 2024 (3)
101-107,7
国家自然科学基金项目(52109163).
评论