基于多机器学习的强夯有效加固深度预测对比研究

作     者：徐永兵 李家艳 关艳丽 唐木红 普新凯 XU Yongbing;LI Jiayan;GUAN Yanli;TANG Muhong;PU Xinkai

作者机构：云南建投第一勘察设计有限公司云南昆明650031 

出 版 物：《水力发电》 (Water Power)

年 卷 期：2024年第50卷第3期

页      面：25-30页

学科分类：081401[工学-岩土工程] 08[工学] 0814[工学-土木工程] 

主　　题：地基处理 强夯 有效加固深度 预测 机器学习 

摘      要：采用当前应用较为广泛的6种算法模型,即BP神经网络模型、SVM模型、RF模型、MLP模型、XGBoost模型以及朴素贝叶斯模型,对不同土质、不同夯击能量、不同夯锤面积下的强夯有效加固深度进行预测,采用均方根误差、平均绝对百分比误差、决定系数以及平均绝对误差4项指标对比各模型的预测准确率、误差及泛化能力,并结合工程实例数据做检验。结果表明,机器学习方法具有较高的预测精度和泛化能力,可通过少量且简单的强夯数据进行预测强夯有效的加固深度,能为强夯工程设计提供参考依据;在小样本的情况下,RF模型性能较为优异,其次为XGBoost模型与朴素贝叶斯模型,BP神经网络模型、MLP模型与SVM模型表现较差,建议在样本数据有限的情况下,优先选用RF模型进行强夯有效加固深度预测。