孟子耀,陈志坚,陈涛

• 1:河海大学地球科学与工程学院

摘要(Abstract)：

合理利用锚杆轴力监测数据对评价边坡稳定性极为重要,本文引入蚁群算法构建支持向量机锚杆轴力预测模型,结合连云港某边坡锚杆轴力实测数据对该模型的可靠性及工程应用的可行性加以验证。研究表明,ACO-SVM预测模型在充分考虑温度、时间等影响因素的同时能快速求解;输出的锚杆轴力预测值与实测值误差控制在8%以内,具有很好的可靠性;相较于位移监测预警滞后的特点,ACO-SVM轴力预测模型可及时探明边坡欠稳定体的发展趋势,对此类人工锚固岩质高边坡稳定性的分析具有一定的工程应用价值。

关键词(KeyWords)： 人工锚固岩质高边坡;支持向量机;蚁群算法;轴力预测

Abstract:

Keywords:

基金项目(Foundation): 江苏省政策引导类计划(产学研合作)BY2015002-05

作者(Author): 孟子耀,陈志坚,陈涛

参考文献(References)：

• [1]]刘楚乔,梁开水.岩质高边坡稳定性监测与评价方法研究综述[J].工业安全与环保,2008(03):19-21.
• [2]杨皓翔,李涛,张招金,等.基于拉格朗日插值法的新陈代谢模型在边坡位移监测中的应用[J].安全与环境工程,2017,24(02):33-38.
• [3]孙健.光纤光栅位移传感器在边坡监测中的应用研究[J].工矿自动化,2014,40(02):95-98.
• [4]徐茂林,张贺,李海铭,等.基于测量机器人的露天矿边坡位移监测系统[J].测绘科学,2015,40(01):38-41.
• [5]周丽静,卢才武,顾清华,等.基于北斗系统的露天矿边坡位移监测系统研究[J].自动化与仪表,2015,30(04):35-38.
• [6]K S Osasan,T R Stacey.Automatic prediction of time to failure of open pit mine slopes based on radar monitoring and inverse velocity method[J].International Journal of Mining Science and Technology,2014,24(2).
• [7]I B Kwon,C Y Kim.XVIII Imeko World Congress Metrology for a Sustainable Development[C].Rio de Janeiro,Brazil:2006,17-22.
• [8]Josep A.Gili,Jordi Corominas,Joan Rius.Using Global Positioning System techniques in landslide monitoring[J].Engineering Geology,2000,55:167-192.
• [9]V N VAPNIK.The Nature of Statistical Learning Theory[M].New York:Spring-Verlag,1995.
• [10]欧阳玲.基于遥感和SVM模型的松嫩平原南部耕地质量评价[D].长春:中国科学院东北地理与农业生态研究所,2017.
• [11]庄严,白振林,许云峰.基于蚁群算法的支持向量机参数选择方法研究[J].计算机仿真,2011,28(05):216-219.
• [12]张颖芳,凌卫新.基于动态调整的GA-SVM多分类二叉树的方法[J].科学技术与工程,2017,17(7):177-182.
• [13]Marco D.Optimization,Learning and Natural Algorithms[Dissertation].Politecnico di Milano,1992.
• [14]肖艳秋,焦建强,乔东平,等.蚁群算法的基本原理及应用综述[J].轻工科技,2018,34(03):69-72.
• [15]陈少杰,麻莉娜.蚁群算法基本原理及综述[J].科技创新与应用,2016(31):41.