检索结果-南通市图书馆

岩土力学 2024年第9期45卷 2741-2753页

作者：龙潇孙锐郑桐中国地震局工程力学研究所地震工程与工程振动重点实验室黑龙江哈尔滨150080 地震灾害防治应急管理部重点实验室黑龙江哈尔滨150080

常规液化判别方法通常是半经验方法,存在人为因素干扰,成功率及均衡性不佳。现有的机器学习方法缺乏足够的样本支撑,存在一定的局限性。通过整合液化数据集,选取修正标准贯击数、细粒含量、土层深度、地下水位深度、总上覆应力、有效上... 详细信息

常规液化判别方法通常是半经验方法,存在人为因素干扰,成功率及均衡性不佳。现有的机器学习方法缺乏足够的样本支撑,存在一定的局限性。通过整合液化数据集,选取修正标准贯击数、细粒含量、土层深度、地下水位深度、总上覆应力、有效上覆应力、门槛加速度、循环剪应力比、剪切波速、震级与地表峰值加速度11个液化特征建立卷积神经网络(convolutional neural network,简称CNN)模型。引入边界合成少数过采样技术消除不平衡数据集的影响。将CNN模型与随机森林模型、逻辑回归模型、支持向量机模型、极致梯度提升模型和规范方法进行对比,并结合沙普利加性解释(SHapley Additive exPlanations,简称SHAP)分析输入特征对预测结果的影响趋势。结果表明,CNN模型准确率达92.58%,各项指标均优于其他4种机器学习模型和规范方法。对SHAP结果分析可知,修正标贯击数小于15的土层液化概率较高,循环剪应力比CSR小于0.25的土层更不易液化。各因素的影响规律均符合现有认知,预测模型合理可靠。

关键词：机器学习液化预测卷积神经网络边界合成少数过采样技术沙普利加性解释(SHAP)

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的液化预测模型及可解释性分析

引用

岩土力学 2024年

作者：龙潇孙锐郑桐中国地震局工程力学研究所地震工程与工程振动重点实验室地震灾害防治应急管理部重点实验室

常规液化判别方法通常是半经验方法，存在人为因素干扰，成功率及均衡性不佳。现有的机器学习方法缺乏足够的样本支撑，存在一定的局限性。通过整合液化数据集，选取修正标准贯击数、细粒含量、土层深度、地下水位深度、总上覆应力、有... 详细信息

常规液化判别方法通常是半经验方法，存在人为因素干扰，成功率及均衡性不佳。现有的机器学习方法缺乏足够的样本支撑，存在一定的局限性。通过整合液化数据集，选取修正标准贯击数、细粒含量、土层深度、地下水位深度、总上覆应力、有效上覆应力、门槛加速度、循环剪应力比、剪切波速、震级与地表峰值加速度11个液化特征建立卷积神经网络（convolutional neural network，简称CNN）模型。引入边界合成少数过采样技术消除不平衡数据集的影响。将CNN模型与随机森林模型、逻辑回归模型、支持向量机模型、极致梯度提升模型和规范方法进行对比，并结合沙普利加性解释（SHapley additive exPlanations，简称SHAP）分析输入特征对预测结果的影响趋势。结果表明，CNN模型准确率达92.58%，各项指标均优于其他4种机器学习模型和规范方法。对SHAP结果分析可知，修正标贯击数小于15的土层液化概率较高，循环剪应力比CSR小于0.25的土层更不易液化。各因素的影响规律均符合现有认知，预测模型合理可靠。

关键词：机器学习液化预测卷积神经网络边界合成少数过采样技术沙普利加性解释

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：