检索结果-南通市图书馆

Predicting the strut forces of the steel supporting structure of deep excavation considering various factors by machine learning methods

引用

Underground Space 2024年第5期18卷 114-129页

作者： Haibo Hu Xunjian Hu Xiaonan Gong Research Center of Coastal and Urban Geotechnical Engineering Zhejiang UniversityHangzhou 310058China

The application of steel strut force servo systems in deep excavation engineering is not widespread,and there is a notable scarcity of in-situ measured *** presents a significant research gap in the *** this,our study introduces a valuable dataset and application scenarios,serving as a reference point for future *** main objective of this study is to use machine learning(ML)methods for accurately predicting strut forces in steel supporting structures,a crucial aspect for the safety and stability of deep excavation *** employed five different ML methods:radial basis function neural network(RBFNN),back propagation neural network(BPNN),K-Nearest Neighbor(KNN),support vector machine(SVM),and random forest(RF),utilizing a dataset of 2208 measured *** points included one output parameter(strut forces)and seven input parameters(vertical position of strut,plane position of strut,time,temperature,unit weight,cohesion,and internal frictional angle).The effectiveness of these methods was assessed using root mean square error(RMSE),correlation coefficient(R),and mean absolute error(MAE).Our findings indicate that the BPNN method outperforms others,with RMSE,R,and MAE values of 72.1 kN,0.9931,and 57.4 kN,respectively,on the testing *** study underscores the potential of ML methods in precisely predicting strut forces in deep excavation engineering,contributing to enhanced safety measures and project planning.

关键词： Deep excavation steel supporting structure Strut forces Machine learning Time Temperature

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

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

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

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：