买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中科技大学

摘要：本发明涉及盾构下穿既有隧道施工多目标优化技术领域,公开了基于GA‑LSSVM与NSGA‑Ⅱ盾构下穿既有隧道施工多目标优化的方法，其主要包括如下步骤:S1、基于盾构施工参数，搜集既有隧道拱底水平位移和沉降位移的数据；S2、采用GA改进的最小二乘支持向量机GA‑LSSVM建立既有隧道拱底水平位移和沉降位移的高精度预测模型，获取两个回归预测函数；S3、将两个非线性预测函数作为适应度函数，联合各影响因素的应用约束条件，利用NSGA‑Ⅱ进行多目标优化获取最优配合比。本发明利用建立的GA‑LSSVM与NSGA‑Ⅱ模型，不仅实现了拱底水平位移和沉降位移的高精度预测，也实现了盾构施工参数的多目标智能优化。

主权项：1.一种基于GA-LSSVM与NSGA-Ⅱ盾构下穿既有隧道施工多目标优化的方法，其特征在于，包括以下步骤：S1、搜集数据，选取盾构施工参数作为输入变量，将既有隧道拱底水平位移和沉降位移分别作为输出变量，建立原始样本集；S2、采用GA改进最小二乘支持向量机GA-LSSVM建立所述既有隧道拱底水平位移和沉降位移的高精度预测模型，获取两个非线性回归预测函数；采用GA-LSSVM建立既有隧道拱底水平位移和沉降位移的高精度预测模型的具体步骤为：S2.1、数据预处理：对所述输入变量和输出变量归一化到[-1,1]区间；S2.2、核函数参数优化：采用高斯核函数作为拟建支持向量机模型的核函数进行研究，确定核函数后，利用遗传算法将5折交叉验证意义下的均方根误差MSE作为优化目标，对核函数宽度参数和惩罚系数进行优化；S2.3、建立训练预测模型：将所述原始样本集随机分为训练样本集和测试样本集，将得到的参数优化结果输入模型中，基于matlab支持向量机工具箱建立训练预测模型,分别获得训练集和测试集预测拟合结果；S3、将所述两个非线性回归预测函数作为适应度函数，联合各影响因素的约束条件，利用NSGA-Ⅱ进行多目标优化获取最优配合比；利用NSGA-Ⅱ进行多目标优化获取最优配合比的步骤包括：S3.1、确定目标函数：引入GA-LSSVM隧道拱底位移回归预测算法替代传统数学关系式作为多目标遗传算法中的适应度函数，由GA-LSSVM预测回归方程确定拱底水平位移和沉降位移的目标函数，分别为f1和f2：f1＝minga-lssvm-regressionX1,X2,X3,X4,X5,X6f2＝minga-lssvm-regressionX1,X2,X3,X4,X5,X6其中：X1,X2,X3,X4,X5,X6分别是土仓压力、泡沫量、同步注浆量、掘进速度、刀盘扭矩、顶推力；S3.2、确定约束范围，约束条件为：bil≤xi≤biu其中，xi代表第i个盾构参数，bil和biu分别表示第i个盾构参数取值的下限和上限；S3.3、采用NSGA-II算法，进行盾构下穿既有隧道施工多目标优化。

全文数据：

权利要求：

百度查询： 华中科技大学 基于GA-LSSVM与NSGA-Ⅱ盾构下穿既有隧道施工多目标优化的方法