基于PSO-LSSVM模型的钻爆法施工隧道超欠挖预测方法及相关设备

AITNT
正文
推荐专利
基于PSO-LSSVM模型的钻爆法施工隧道超欠挖预测方法及相关设备
申请号:CN202411644552
申请日期:2024-11-18
公开号:CN119598846A
公开日期:2025-03-11
类型:发明专利
摘要
本申请公开了一种基于PSO‑LSSVM模型的钻爆法施工隧道超欠挖预测方法及相关设备,包括以下步骤:S1获取钻爆法施工隧道超欠挖影响因素的参数;S2对参数进行数据预处理;S3采用灰色关联分析法最终确定隧道超欠挖影响的主要参数;S4采用MATLAB仿真平台建立PSO‑LSSVM模型;S5选取均方根误差作为适应度函数,计算各粒子的适应度值,通过多次迭代更新每个粒子的值,比较更新Vbest的值,并判断是否满足PSO的结束条件;S6根据最优参数组合建立PSO‑LSSVM模型,并使用该模型结合具体隧道爆破工程的超欠挖影响参数进行预测,得出爆破效果预测结果;本申请采用了粒子群算法来迭代寻优模型的两个关键参数,能够对对钻爆法爆破效果进行高精度的预测,实现隧道工程的高效施工。
技术关键词
LSSVM模型 隧道超欠挖 隧道爆破工程 灰色关联分析法 钻爆法施工隧道 参数 仿真平台 灰色关联度 样本 矩阵 系统特征 粒子群算法 数据处理模块 元素 预测系统 极值 处理器 可读存储介质
系统为您推荐了相关专利信息
1
一种基于BP神经网络的大气污染物浓度预测方法
大气污染物浓度预测方法 BP神经网络模型 气象 灰色关联分析法 因子
2
一种三阶段多传感器瓦斯抽采管道泄漏定位方法
瓦斯抽采管道 泄漏定位方法 Elman神经网络 Stacking集成模型 多传感器
3
基于大数据的建筑工程建造质量评价方法及系统
LSSVM模型 特征选择 评价方法 初始聚类中心 子模块
4
基于XGBoost-PSO的强夯施工参数优化方法
交互特征 参数优化方法 XGBoost模型 夯击次数 夯锤
5
机理与数据混合驱动的大型堆积层滑坡演化状态判识与转换预测方法及系统
堆积层滑坡 数据混合驱动 历史监测数据 数据驱动模型 支持向量机模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号