节点文献

打入桩轴向极限承载力预测的机器学习方法

免费订阅

【作者】 史昌盛刘秋霞韩世界王长虹

【Author】 Shi Changsheng;Liu Qiuxia;Han Shijie;Wang Changhong;China Railway Construction Corporation Limited;Department of Civil Engineering,Shanghai University;

【机构】 中国铁建股份有限公司上海大学土木工程系

【摘要】 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。

【基金】 国家自然科学基金项目(51208303)
【所属期刊栏目】 其他 (2019年08期)
  • 【分类号】TU753.3
  • 【下载频次】11
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: