打入桩轴向极限承载力预测的机器学习方法

作者：史昌盛; 刘秋霞; 韩世界; 王长虹

来源：铁道建筑技术, 2019, (08): 153-159.

• 打入桩
• 轴向承载力
• 极端梯度提升
• 回归算法
• 机器学习

在复杂的工程地质环境中,打入桩的轴向承载力的预测是设计和施工的一个重大挑战。本研究将利用机器学习工具一极端梯度提升算法(XGBoost)预测打入桩的轴向承载力,对桩身最大压缩应力(MCS)、最大拉伸应力(MTS)和每英尺锤击数(BPF)进行了研究,并与反向传播神经网络(BPNN)和随机森林(RF)算法进行了比较分析。利用美国北卡罗来纳州的桩数据库中4 000多个数据集生成训练和预测样本。利用均方根误差(RMSE)、平均绝对误差(MAE)和线性相关系数(R2)等性能指标对三种回归算法的有效性进行了验证。结果表明,与其他两种方法相比,XGBoost算法在解决桩、锤、土以及施工工艺等复杂非线性问题时,具有更高的稳定性和预测精度。XGBoost算法作为一种可靠的机器学习算法,可以为其他类似桩基工程轴向承载力的预测提供参考。

• 单位
  上海大学; 中国铁建股份有限公司