基于优化LSSVM的砂土浅基础沉降预测研究.pdfVIP

第５０卷第１８期山西建筑Ｖｏｌ．５０Ｎｏ．１８

·８４·２０２４年９月Ｓｅｐ．２０２４

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２４．１８．０２０

ＤＯＩ：

基于优化ＬＳＳＶＭ的砂土浅基础沉降预测研究

杨莹

（中铁四院集团西南勘察设计有限公司，云南昆明６５０２００）

摘要：准确预测基础沉降量对工程的顺利实施具有重要的工程意义。为实现砂土浅基础沉降的高效预测，利用灰狼优化算

法（ＧＷＯ）、天牛须搜寻算法（ＢＡＳ）和海鸥优化算法（ＳＯＡ）对最小二乘支持向量机（ＬＳＳＶＭ）的正则化参数和核函数参数

γσ

进行自动寻优，建立了ＧＷＯ－ＬＳＳＶＭ模型、ＢＡＳ－ＬＳＳＶＭ模型和ＳＯＡ－ＬＳＳＶＭ模型。将ＳＰＴ平均锤击数、基础宽度、基础形

状因子、基础埋深比以及基础净荷载压力作为沉降量的关键影响因素，实现了砂土浅基础沉降的准确预测。结果表明，３种模

２

型预测精度较高，其中Ｒ，ＲＭＳＥ和ＭＡＰＥ的范围分别为０．９５３～０．９７７，２．４５５ｍｍ～３．４９０ｍｍ和０．１８６～０．３９８。通过比较，

３种模型的预测性能从高到低为ＳＯＡ－ＬＳＳＶＭ，ＧＷＯ－ＬＳＳＶＭ和ＢＡＳ－ＬＳＳＶＭ，同时，优于以往的经验模型和人工神经网络

（ＡＮＮ）模型。

关键词：沉降预测；浅基础；元启发式算法；最小支持二乘向量机；模型评价

中图分类号：ＴＵ４７８文献标识码：Ａ１００９－６８２５（２０２４）１８－００８４－０６

文章编号：

０引言更为复杂。基于此，本研究以砂土浅基础为研究对象，选

择ＳＰＴ平均锤击数、基础宽度、基础形状因子、基础埋深

随着我国经济的高速发展，基础工程建设规模迅速

比以及基础净荷载压力作为输入变量，沉降量作为输出

增加。由于土体特殊的性质，基础会产生不均匀的沉降，

变量，构建数据集。利用３种元启发式算法（包括灰狼优

导致工程施工进度减缓和建筑物结构稳定性减弱，因此，

化算法、天牛须搜寻算法和海鸥优化算法）去优化最小二

基础沉降预测是基础设计规范中最重要的问题之一，也

［１］乘支持向量机，构建砂土浅基础沉降预测模型，并对模型

是现如今研究的热点与难点。

预测性能进行评价。研究结果以期为砂土浅基础的变形

目前，关于基础沉降预测研究主要分为理论计

［２－３］［４－５］［６－７］预测研究提供借鉴和参考。

算、经验公式、数值模拟和机器学习。理论

计算基于变形分析，结合土力学理论估算沉降量，但这种１研究方法

方法多试图简化问题，假设荷载与变形之间存在线性响１．１最小支持二乘向量机

应，无法考虑外界影响因素。经验公式多依据室内试验ＳＵＹＫＥＮＳ等提出的最小二乘支持向量机（ＬＳＳＶＭ）

结果或现场调查结果进行数理统计拟合得到，它依赖于是在常规支持向量机（ＳＶＭ）的基础上，用等式约束代替

数据的获取，昂贵并且耗时，同时，经验公