来源：期刊VIP网 时间：
作者：李天述;吴忠明;张波;周明;张瀚;周靖人;
单位：中国电建集团华东勘测设计研究院有限公司;浙江华东测绘与工程安全技术有限公司;四川大学水力学与山区河流开发保护国家重点实验室;
摘要：针对传统地下洞室变形异常值识别方法难以适应洞室变形序列高维非线性特征，且识别标准未考虑预测的波动性及稳健性，识别的漏判率较高的问题，提出了基于粒子群优化支持向量机回归(PSO-SVR)及稳健评估的地下洞室异常值识别方法。该方法首先利用支持向量机回归将序列映射到高维空间进行回归建模，同时利用粒子群优化算法对主要的参数进行修正；然后利用对残差的稳健评估和概率估计确定最优的识别区间；最后将该方法应用于叶巴滩地下洞室变形异常数据识别中。结果表明，与其他算法相比，PSO-SVR算法拟合效果显著提升，在典型测点中决定系数(R~2)提升幅度最高达18.80%,均方误差(M_(MSE))降低幅度最高达84.60%,均方根误差(R_(RMSE))降低幅度最高达67.75%,平均绝对误差(M_(MAE))降低幅度最高达87.57%;基于PSO-SVR稳健识别技术相较于3σ准则有效降低了异常值漏判率，验证了所提方法的有效性和可靠性。
关键词：地下洞室变形;;异常值识别;;支持向量机回归;;粒子群优化算法;;稳健评估
基金资助：四川省科技厅重点研发项目(2022YFS0535)
