铁道建筑技术

2019, No.315(08) 153-159

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

打入桩轴向极限承载力预测的机器学习方法
Prediction of Ultimate Axial Load-carrying Capacity for Driven Piles Using Machine Learning Methods

史昌盛;刘秋霞;韩世界;王长虹;

摘要(Abstract):

在复杂的工程地质环境中,打入桩的轴向承载力的预测是设计和施工的一个重大挑战。本研究将利用机器学习工具一极端梯度提升算法(XGBoost)预测打入桩的轴向承载力,对桩身最大压缩应力(MCS)、最大拉伸应力(MTS)和每英尺锤击数(BPF)进行了研究,并与反向传播神经网络(BPNN)和随机森林(RF)算法进行了比较分析。利用美国北卡罗来纳州的桩数据库中4 000多个数据集生成训练和预测样本。利用均方根误差(RMSE)、平均绝对误差(MAE)和线性相关系数(R~2)等性能指标对三种回归算法的有效性进行了验证。结果表明,与其他两种方法相比,XGBoost算法在解决桩、锤、土以及施工工艺等复杂非线性问题时,具有更高的稳定性和预测精度。XGBoost算法作为一种可靠的机器学习算法,可以为其他类似桩基工程轴向承载力的预测提供参考。

关键词(KeyWords): 打入桩;轴向承载力;极端梯度提升;回归算法;机器学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(51208303)

作者(Author): 史昌盛;刘秋霞;韩世界;王长虹;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享