钢管混凝土拱桥安全性评价的SVM 机器模型
张荣建’，张志强 。祖述勋’
(1．秦皇岛职业技术学院，河北秦皇岛066000；2．秦皇岛市北戴河区建设工程质量监督站，河北秦皇岛066000)
摘要： 从影响钢管混凝土拱桥安全性的承载能力、承重构件损伤以及外观损伤等3个主要方面进行考虑，建立高度非线性的输入
与输出的映射关系。引入SVM 方法，建立了钢管混凝土拱桥安全性评价的SVM 机器模型。通过仿真得到桥梁承载能力、承重构件损
伤、外观损伤以及成桥状态下最终的安全性信息。将建立的模型应用到实际桥分析中，较好地评价了钢管混凝土拱桥结构的安全性状
况。
关键词： 桥梁工程；钢管混凝土拱桥；安全性评价；支持向量机
中图分类号： TU528．01 文献标志码： A 文章编号： 1002—3550(2011)11-0008—03
Safety evaluation of concrete filled steel tube arch bridge based on suppo~ vector machine
ZHANGRong-jian ，ZHANGZhi—qiang2,ZUShu-xun
(1．QinhuangdaoVocational andTechnicalCollege，Qinhuangdao 066000，China；
2．Qinhuangdao Beidmhe District Construction Engineering Quality Supervision Station，Qinhuangdao 066000，China)
Abstract： To gain the result ofthe safety assessment ofCFST arch bridge，based on the traditional safety evaluation methods，a support vector
machine model of safety evaluation method was presemed．W ith consideration of several key factors which afect the whole safety state such as
load bearing capability，damage of bearing component and damaged state of appearance，a support vec~r machine model were established and
trained by checking samples gained from the data measured on the spot．Finally，the whole safety evaluation ofload bearing capability，damage of
bearing component，damaged state ofappearance and completed state ofarch bridge were goRen by the method of simulation．The result of safety
evaluation one practical Bridge shows that the approach is highly potential and practical to evaluate the safety of long—span concrete filled steel
tube archbridge．
Key words： bridge engineering；CFST arch bridge；safety assessment；support vector machine model
0 引言
桥梁结构体系的评估结果反映了整体结构的安全性技术
现状，是公路管理部门决策的重要依据。钢管混凝土拱桥在大跨
度桥梁的建造方面具有广阔的发展前景[1】。然而，气候、环境等
自然因素的影响、日益增加的交通量的重载作用，以及由于施
工质量问题和管理不善，已经运行的桥梁存在不同程度的安全
隐患，甚至经常有类似的事故发生f2]。有鉴于此，为确保桥梁
的安全运营，必须对大型桥梁进行有效的综合监测和评估。自
2O世纪80年代以来，国内外学者在桥梁的安全性评价方面作
了大量的研究，提出了众多安全洼评价方法。如外观调查评定法、
内力验算评定法、荷载试验法、专家系统评定方法、基于可靠度
理论评定法、承载力的计算机有限元模拟评定法、神经网络法
与模糊神经网络法等。然而，由于桥梁结构是一个复杂的结构体
系，存在着诸多不确定性因素，使得上述各评价方法也相应地
存在着许多不足之处[31。
支持向量机，英文为Support Vector Machine，简称sV机
(论文中一般简称SVM)。它是一种监督式学习的方法，它广泛
的应用于统计分类以及回归分析中。支持向量机属于一般化线
性分类器。它们也可以被认为是提克洛夫规范化(Tikhonov
收稿日期：2011_J05一l9
· 8 ·
Regularization)~)2的一个特例。这种分类器的特点是他们能够同
时最小化经验误差与最大化几何边缘区。因此支持向量机也被称
为最大边缘区分类器。在统计计算中，最大期望(EM)算法是在概
率(probabilistic)模型中寻找参数最大似然估计的算法，其中概率
模型依赖于无法观测的隐藏变量(LatentVariable)。最大期望经常
用在机器学习和计算机视觉的数据集聚(Data Clustering)领域。最
大期望算法经过两个步骤交替进行计算：第一步是计算期望(E)，
也就是将隐藏变量像能够观测到的一样包含在内从而计算最
大似然的期望值；另外一步是最大化(M)，也就是最大化在E
步上找到的最大似然的期望值从而计算参数的最大似然估计。
M 步上找到的参数然后用于另外一个E步计算，这个过程不断
交替进行。近年来，在自然科学的很多领域得到广泛应用 ，但
在桥梁领域内的应用至今研究较少。本文根据判别分析理论的
思想，试图建立距离判别分析模型对钢管混凝土拱桥安全性进
行评价。该模型选用多项指标作为综合评判的判别因子，并在实
际工程中进行运用，取得了良好的效果。
1 svM 机器模型简介
Vapnik等人在多年研究统计学习理论基础上对线性分类
器提出了另一种设计最佳准则。其原理也从线性可分说起，然

因本站资料资源较多，启用了多个文件服务器，如果浏览器下载较慢，请调用迅雷下载，特别是超过了5M以上的文件！请一定调用迅雷，有时候速度就会飞起哦，如果您的浏览器自动加载了PDF预览，文件太大又卡死，请按下载说明里的把PDF插件关闭了就可以直接下载，不会再预览了！