為實現(xiàn)隧道涌水量的高精度預測,在查閱相關(guān)資料的基礎(chǔ)上,以多種單項預測模型為基礎(chǔ),構(gòu)建了隧道涌水量的優(yōu)化組合預測模型。首先,利用遺傳算法、粒子群算法和最小二乘法構(gòu)建了多種單項優(yōu)化預測模型;其次,在累加疊加和累乘疊加思路的基礎(chǔ)上,提出利用整體組合權(quán)值和局部組合權(quán)值構(gòu)建出改進后的組合預測模型,以實現(xiàn)隧道涌水量的逐步優(yōu)化組合預測;最后,再利用重標極差分析（rescaled range analysis,簡稱R/S分析）判斷隧道涌水量序列的發(fā)展趨勢,以佐證前述組合模型預測結(jié)果的準確性。實例結(jié)果表明:各類單項預測模型的參數(shù)優(yōu)化可以有效提高預測精度,且組合預測結(jié)果的相對誤差小于2%,較單項預測模型具有相對更優(yōu)的預測效果;同時,在組合預測過程中,累加疊加和累乘疊加的預測精度及穩(wěn)定性均相當,以累乘疊加的預測效果相對略優(yōu),但差異不大;另外,R/S分析結(jié)果的Hurst指數(shù)大于0.5,得出隧道涌水量呈下降趨勢,與預測分析結(jié)果一致,驗證了前述預測模型的有效性,為隧道涌水量預測研究提供了一種新的思路。 

【文章來源】：武漢大學學報(工學版). 2020,53(10)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 基本原理
    1.1 優(yōu)化組合預測模型的構(gòu)建
        1.1.1 組合預測思路初探
        1.1.2 組合預測的優(yōu)化
            1.1.2. 1 單項預測模型的優(yōu)化研究
            1.1.2. 2 預測節(jié)點與訓練樣本間距離的優(yōu)化
            1.1.2. 3 整體與局部的綜合優(yōu)化
    1.2 涌水趨勢判斷模型
2 實例分析
    2.1 工程概況
    2.2 涌水量預測分析
    2.3 涌水趨勢判斷分析
3 結(jié)論


【參考文獻】：
期刊論文
[1]基于高分辨率示蹤技術(shù)的巖溶隧道涌水來源識別及含水介質(zhì)研究[J]. 謝國文,楊平恒,盧丙清,陳峰,張宇,池彥賓,鄧書金.  中國巖溶. 2018(06)
[2]改進組合預測模型在鐵路隧道變形預測中的應(yīng)用[J]. 李秋全.  長江科學院院報. 2018(11)
[3]基于云模型的巖溶隧道涌水災害危險性評價及其在青巖頭隧道的應(yīng)用[J]. 黃仁東,吳寒,張?zhí)?彭懷德.  中國地質(zhì)災害與防治學報. 2018(05)
[4]隧道巖溶段涌水突泥風險評價體系初探[J]. 徐鐘,鄧輝,盧平,彭良田,萬柯,雷鵬博.  水利水電技術(shù). 2018(03)
[5]R/S分析法在盾構(gòu)下穿機場過程中的地表變形規(guī)律研究[J]. 張偉森,吳大勇.  鐵道標準設(shè)計. 2018(03)
[6]高家坪隧道地下水系統(tǒng)識別及涌水量預測[J]. 李方華.  地下空間與工程學報. 2018(01)
[7]巖溶隧道突涌水致災構(gòu)造與前兆信息判識技術(shù)探討[J]. 袁永才,高成路,王旌,朱宇澤,張猛.  現(xiàn)代隧道技術(shù). 2018(01)
[8]巖溶隧道涌水注漿加固關(guān)鍵技術(shù)研究[J]. 程強強.  建筑技術(shù). 2017(03)
[9]基于BP神經(jīng)網(wǎng)絡(luò)方法的巖溶隧道突涌水風險預測[J]. 楊卓,馬超.  隧道建設(shè). 2016(11)
[10]基于數(shù)據(jù)新舊程度和預測取值區(qū)間調(diào)整的沉降組合預測方法[J]. 曹文貴,印鵬,賀敏,劉濤.  巖土力學. 2017(02)

碩士論文
[1]三都隧道施工涌水量的動態(tài)預測研究[D]. 金圣杰.成都理工大學 2012



本文編號：3591366