基于ACDE-SVM的引水隧洞施工仿真参数动态更新

施工仿真参数的更新对于施工仿真结果的准确性具有重要影响.然而目前的引水隧洞施工进度仿真参数更新多采用贝叶斯更新方法,存在需要假定参数分布形式,且无法得到预测参数的序列来描述参数动态变化过程的不足.针对上述问题,文章提出了基于自适应混沌差分进化支持向量机(adaptive chaos differential evolution-support vector machine,ACDE-SVM)的引水隧洞施工仿真参数动态更新方法.首先,采用自适应缩放因子和混沌理论对差分进化算法进行改进,提出自适应混沌差分进化算法(ACDE),ACDE算法既使搜索时间大大缩减,又弥补了差分进化算法后期局部搜索弱而使群体陷入早熟的缺陷;其次,基于现场施工参数时间序列,采用ACDE算法对支持向量机(SVM)进行参数寻优,进而构建基于ACDE-SVM的施工仿真参数预测模型,克服了传统SVM参数选择效率低、泛化能力弱的不足;最后,采用误差指标对模型性能进行评价,并与常规仿真方法及贝叶斯更新方法的仿真结果进行对比,验证基于ACDE-SVM的仿真参数动态更新方法的一致性和优越性.工程实例表明,该方法能够较好地拟合仿真参数随时间变化趋势,并能够提高引水隧洞钻爆法施工进度动态仿真的准确性.