基于机器学习的粗粒土振动压实频率预测研究

作     者：邓志兴 谢康 肖宪普 李泰灃 郝哲睿 张千里 李佳珅 

作者机构：中南大学土木工程学院 苏州城市学院智能制造与智慧交通学院 石家庄铁道大学土木工程学院 中国铁道科学研究院集团有限公司铁道建筑研究所 

出 版 物：《中国公路学报》 (China Journal of Highway and Transport)

年 卷 期：2025年第38卷第1期

页      面：95-107页

核心收录：

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

基　　金：国家重点研发计划“交通基础设施”专项(2022YFB2603400) 

主　　题：路基工程 路基填料 振动压实 最优振动频率 主控特征 预测性能评价 

摘      要：为确定路基填料压实的最优振动频率，实现对其智能预测的目的。采用振动压实试验和锤击模态法确定不同压实度填料的固有频率，基于填料最大干密度、动刚度揭示了固有频率与最优振动频率的相关性；建立了填料特征与最优振动频率之间的关系，提出了最优振动频率的主控特征参数；构建了以主控特征参数为基础的机器学习预测模型，并采用双层次评价方法优化了预测模型。研究结果表明：振动频率为固有频率时，最大干密度最大、动刚度呈现最佳状态；影响最优振动频率的主控特征为填料最大粒径、级配参数、粗骨料的针片状颗粒含量以及洛杉矶磨耗；在预测模型对比分析中认为神经网络模型ANN的拟合优度最优，可将其作为最优振动频率预测的核心模型。研究成果可为确定路基填料压实的最优振动频率提供新方法，并对路基智能化施工提供理论指导与支撑。