土体导热系数智能方法预测及影响因素敏感性分析
Prediction of Thermal Conductivity of Soil by Intelligent Methods and Sensitivity Analysis of Influencing Factors作者机构:安徽理工大学土木建筑学院淮南232001 矿山地下工程教育部工程研究中心淮南232001
出 版 物:《工程热物理学报》 (Journal of Engineering Thermophysics)
年 卷 期:2024年第45卷第5期
页 面:1440-1449页
核心收录:
学科分类:08[工学] 080104[工学-工程力学] 0801[工学-力学(可授工学、理学学位)]
基 金:矿山地下工程教育部工程研究中心开放研究项目(No.JYBGCZX2021104)。
主 题:导热系数 人工智能算法 因素敏感性 蒙特卡洛模拟 特征重要性 权积法
摘 要:土体导热系数是描述土传热性能的重要参数之一,对其准确地预测和敏感性分析有助于评估岩土工程的热响应热性,预防工程的变形和破坏。基于Kersten团队的土导热系数试验,分析导热系数的影响因素,考虑将温度变量引入传统经验公式并验证,得到对黏土适用性较好的改进经验公式。基于人工智能算法对导热系数建立以土质、干密度、含水率和温度为输入变量的预测模型。分析预测结果表明随机森林模型、径向基函数神经网络(RBFNN)和鲸鱼优化BP神经网络(WOA-BP)都能准确地预测导热系数,其中WOA-BP的预测性能最好,随机森林和RBFNN次之。选用新的样本集对预测模型进行验证,发现模型预测效果依旧很好,具有一定的泛化能力。利用蒙特卡洛模拟对改进经验公式进行参数敏感度分析;再借助随机森林模型对特征重要性进行排序,评估不同输入变量对模型输出的影响程度:最后通过权积法结合WOA-BP计算影响因素敏感性。发现三种方法得出的结果均一致,即导热系数对含水率、干密度、温度和土质的变化敏感程度依次降低。