مقایسه پیش بینی نشست ناشی از حفر تونل مترو با استفاده از مدل های رگرسیونی و الگوریتمsvm

موضوع نشست در تونل های شهری حائز اهمیت بیشتری است زیرا این تونل ها در زیر سازه های عمرانی و ساختمان های درون شهرها قرار دارند و نشست زمین سبب خسارات مالی فراوان به آن ها می شود. یکی از روش های پیش بینی نشست سطح زمین روش رگرسیونی است که با تکیه بر آمار و ریاضیات ابزار قدرتمندی جهت پیش بینی نشست محسوب می شود. در این تحقیق از روش رگرسیون خطی چندگانه و چهارمدل از روش رگرسیون غیرخطی چندگانه استفاده شد. بنابر نتایج بدست آمده مدل رگرسیون خطی، ضریب همبستگی بالاتری نسبت به سایر مدل ها نشان داد، که بیان کننده بهتربودن این مدل جهت پیش بینی نشست در این تحقیق می باشد. الگوریتم svm یکی از معروف ترین الگوریتم های مبتنی بر بهینه سازی ریاضی و بر پایه تئوری یادگیری آماری می باشد. ماشین بردار پشتیبان (svm) الگوریتم موثری برای مدل سازی داده ها است و امکان مقایسه بین مدل ها را به وجود می آورد. نتایج حاصل از بکارگیری الگوریتم svmنشان داد که ابزاری مناسب برای پیش بینی نشست سطح زمین است و با ضریب تعیین بالاتر (91/0 در مقایسه با 84/0) و جذر میانگین مربعات خطای کمتر (26/9 در مقایسه با 52/9) نتایج بهتری نسبت به مدل رگرسیونی به دست می دهد.