| 基于进化高斯过程回归算法的隧道工程弹塑性模型参数反演 |
| |
| 引用本文： | 刘开云,方昱,刘保国.基于进化高斯过程回归算法的隧道工程弹塑性模型参数反演[J].岩土工程学报,2011,33(6):883. |
| |
| 作者姓名： | 刘开云 方昱 刘保国 |
| |
| 作者单位： | 1. 北京交通大学土木建筑工程学院，北京 100044；2. 安徽省高速公路控股集团有限公司，安徽 合肥 230051 |
| |
| 基金项目： | 国家高技术研究发展计划(863)项目(2007AA11Z109) |
| |
| 摘 要： | 学习机器性能是决定智能位移反分析效果的关键，针对现有智能反分析存在的问题，将高斯过程回归（Gaussian Process Regression，简称GPR）引入隧道工程计算模型参数的反演，并采用单一各向同性核函数之和作为GPR的组合核函数以提高其泛化性能。为克服传统共轭梯度法优化求取最优GPR超参数的缺陷，改用十进制遗传算法替代共轭梯度法在训练过程中搜索GPR最优超参数，并编制了相应的计算程序。结合北口隧道施工监测进行了算法程序的应用，并与进化–单一核函数高斯过程回归算法和进化支持向量回归（SVR）算法的应用结果作了对比，结果表明本文提出的进化高斯过程算法显著提高了反演精度，可以应用于岩土工程计算模型参数的反演辨识，并为类似工程提供了借鉴。
|
| 关 键 词： | 隧道工程 数值计算 参数辨识 高斯过程 组合核函数 遗传算法 |
Elasto-plastic parameter inversion of tunnel engineering based on genetic-Gaussian process regression algorithm |
| |
| LIU Kai-yun,FANG Yu,LIU Bao-guo.Elasto-plastic parameter inversion of tunnel engineering based on genetic-Gaussian process regression algorithm[J].Chinese Journal of Geotechnical Engineering,2011,33(6):883. |
| |
| Authors: | LIU Kai-yun FANG Yu LIU Bao-guo |
| |
| Affiliation: | 1. School of Civil Engineering, Beijing Jiaotong University, Beijing 100044, China; 2. Anhui Expressway Holding Group Co., Ltd., Hefei 230051, China; |
| |
| Abstract: | Performance of learning machines is the key to determine the effectiveness of intelligent displacement back analysis.The Gaussian process regression(GPR) algorithm is introduced into the field of parameter inversion to make up for the deficiency of the present intelligent inversion method.In addition,a combined kernel function of GPR(CKGPR) obtained by additive single standard isotropy covariance functions is put forward to improve the generalization ability of a single kernel function.At present,the hyper-... |
| |
| Keywords: | tunnel engineering numerical calculation parameter identification Gaussian process combined kernel function genetic algorithm |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《岩土工程学报》浏览原始摘要信息 |
|
点击此处可从《岩土工程学报》下载全文 |
