锚杆锚固强度是评价锚杆锚固质量的主要因素之一，而混凝土中锚杆锚固强度受多因素影响，各因素间也 具有复杂的关联。应用支持向量机回归原理，以混凝土龄期、锚杆直径和锚固长度 3个因素作为输入列向量构建 样本集，选用径向基核函数建立混凝土中锚杆锚固强度的支持向量机 回归预测模型。利用 30组锚固强度实验数 据中2／3的数据作为训练样本，剩余 1／3的数据作为预测样本 ，对锚固强度进行回归预测 ，将预测结果与试验结果 和 BP网络计算结果进行对 比分析 。研究结果表 明：此模 型预测精度 高 ，具 有 良好 的 泛化能力 ，预测 结果具 有可信 性 ，将 SVM方法运用 于混凝 土中锚杆锚 固强度的预测是合理有效的 ，为锚 固强度 的预测提供了一条新的途径 。 关键词 ：混凝土 ；锚杆 ；锚 固强度 ；支持 向量 机 ；回归模型 中图分 类号 ：TV332．3 文献标志码 ：A 文章 编号 ：1001—5485(2015)01—0117—04 1 研究背景 锚 杆作为岩土工程 的支护结构 已得 到广泛应 用 ，钢锚杆具有成本低廉 、施工简便 、支护及时及能 充分调动 围岩 自承能力 的技术特 点 J。许 多学 者 也对锚杆对围岩的锚 固作用方面进行 了大量研究 ， 并且形成 了一定 的理论体 系_2I4J。同时 ，混凝土 中 锚杆锚固技术的应用领域也 日渐广泛 ，在井巷与隧 洞支护加 固、建筑扩建改造 、设备安装 、结构抗震加 固、建筑幕墙施工项 目中，混凝土中锚杆锚固技术以 其高效 、灵活 、经济等优势倍 受青睐 。混凝 土 中 的锚杆 ，与普通锚杆 的原理是相通 的 。但 由于早 龄期混凝土结构是一个混凝土强度和结构外形不断 随时间变化的“时变结构”，混凝土与锚杆相互作用 时锚杆 的工作性状 ，是工程 中非常关 心的问题。但 由于锚杆与混凝土相互作用 的复杂性 ，所涉及 的工 程条件及混凝土特性参数通常是不确定的、模糊 的， 各影响要素之间可能存在复杂 的非线性关 系，往往 使得锚 固效应采用传统的方法和确定 的数学模型进 行描述存在 困难和不足。近年来 随着计算机技术的 进步 ，机器学习方法逐步广泛应用于工程领域 ，为混 凝土中锚杆锚固强度 的回归预测和锚杆荷载传递机 理研究等提供了有力支持 。 支持 向量 机 (SVM)是 一 种新 的机 器学 习方 法 J，具有小样本 、非线性 以及高维模式识 别的特 点。基于 Vapnik创建 的统计学理论 ，采用结构风险 最小化准则 ，在最小化样本误差点的同时 ，最小化结 构风险，提供 了模型的泛化能力 ，且没有数据维数限 制 ，能适度抑制过拟合 ，被认为优于人 工神经 网络 ， 并已成功地应用于模式识别 (聚类 )、函数逼近和预 测等方面 。支持向量机方法建模不必知道因 变量和 自变量之间的关 系，通过对样本 的学习即可 获得因变量和 自变量之间非常复杂的映射关系。早 龄期混凝土中锚杆的锚固强度预测可以看作是锚固 强度与其对应影响因素之问复杂的非线性 函数关系 的逼近问题 ，本文尝试利用 SVM 回归算法对早龄期 混凝土中锚杆的锚 固强度建立数学模型 ，并根据此 模型对锚固强度进行预测 。 2 SVM 预测模型 Vapnik等人对有 限样本 的机器学 习进行 了深 入研究 ，提出了结构风险最小化(structuralriskmini- mization，SRM)原则 ，在最小化样本点误差的同时可 以最小化结构风险，并在此基础上建立 了通用 的支 持向量机算法 ，后又引入不敏感损失函数 占，得到 回 归型支持 向量机 ¨ 。其基本思想是从样本数据

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！