简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.
简介：为贯彻落实《国务院安委会办公室关于加强危险化学品道路运输和公路隧道安全工作的紧急通知》，交通运输部和公安部共同研究决定，从2014年5月1日起至2015年4月30日止，集中一年时间，分四个阶段在全国开展公路隧道安全隐患排查治理专项行动。通过一年的专项行动，排查整改隧道安全隐患．完善隧道基础设施，建立健全隧道交通应急管理联动机制，加快提升隧道安全运行管理水平，有效预防和减少隧道交通事故。
等维新息SVR模型对隧道沉降时间序列的预测研究
交通运输部公安部联合开展全国公路隧道安全隐患排查治理专项行动
