基于粒子群改进的高铁隧道沉降预测研究.docxVIP

?

?

基于粒子群改进的高铁隧道沉降预测研究

?

?

年刚伟季北张安俊

摘要：高铁隧道的建设是高铁建设的重要一部分，大量的隧道建设会引起地表沉降。对沉降实测数据进行分析，得出隧道在沉降方面的长期沉降规律，可以实现隧道沉降预测，从而推进的隧道的安全、高速建设。本文针对高铁隧道沉降预测问题，运用粒子群算法（PSO）对灰色模型GM（1.1）进行改进，构建了灰色-时序组合模型对问题进行了预测研究。研究表明，基于粒子群改进的灰色-时序组合模型对高铁隧道的沉降预测具有实际意义，它能够更好地预测高铁隧道沉降趋势。

关键词：隧道沉降预测;粒子群算法;灰色模型

：U457：A：1001-5922（2021）06-0165-04

Abstract：High-speedrailwaytunnelconstructionisanimportantpartofhigh-speedrailwayconstruction，alargenumberoftunnelconstructionwillcausesurfacesubsidence.Throughtheanalysisofthemeasuredsettlementdata，thelong-termsettlementlawofthetunnelinsettlementcanbeobtained，andthepredictionofthetunnelsettlementcanberealized，soastopromotethesafeandhigh-speedconstructionofthetunnel.Aimingatthesettlementpredictionofhigh-speedrailwaytunnel，particleswarmoptimization（PSO）isusedtoimprovethegreymodelGM（1.1），andagrey-timeseriescombinationmodelisconstructedtopredicttheproblem.Theresultsshowthatthegrey-timeseriescombinedmodelbasedonparticlesswarmshaspracticalsignificanceforthesettlementpredictionofhigh-speedrailwaytunnels，anditcanbetterpredictthesettlementtrendofhigh-speedrailwaytunnels.

Keywords：tunnelsettlementprediction;particleswarmoptimizationalgorithm;greymodel

高铁是世界步入铁路运输现代化的重要标志，它的出现带动了国家经济的发展，加速了经济全球化。随着高铁在全国的大面积建设，相应的高铁隧道的建设工作也在有条不紊的进行。由于高铁隧道施工现场复杂且受多种因素影响，因此为保障施工安全，必须重视对高铁隧道的变形预测。

高铁隧道的挖掘过程中，必定会导致地表下沉，预测高铁隧道沉降趋势有利于不断推进工程进度以及施工安全工作的开展。不同的预测方法，对高铁隧道沉降的预测精度有所差别，本文在粒子群算法的基础上，利用小波去噪以及组建灰色-时序组合模型对隧道沉降进行了预测。最后，通过对模型进行模拟拟合和预测精度对比分析，证明基于粒子群改进的GM（1，1）-AR（1）组合模型的在预测高铁隧道沉降时，预测精度最高，能更好的预测隧道沉降趋势。

1PSO-GM（1，1）简介

传统GM（1，1）模型建立过程中，模型背景值的选取定位为，其中。然而实际中的背景值，它的定义是。由此可知，模型的背景值与实际的背景值存在一定的误差。下图为模型背景值的误差图，曲边梯形面积为实际背景值模型，梯形面积为传统灰色模型。

研究认为，a和u是影响背景值的重要参数，因此，为使模型预测结果更加精确，通过粒子群算法对两个参数进行优化，并对背景值的构造进行了改进。

（1）对背景值的构造改进如下：

（2）對a、u两个背景值参数的优化改进如下：

设置N个粒子初始位置和速度，并计算出它们的适应度函数为均方根误差，得到式子：

式中，为PSO-GM（1，1）模型的拟合值，为建模序列。

2PSO-GM（1，1）模型改进

虽然利用粒子群算法对GM（1，1）模型进行了改进优