基于机器学习的土壤不排水抗剪强度模型研究

作者：于贝扬; 刘佳静; 陈健; 骆汉宾

来源：土木工程与管理学报, 2023, 40(06): 99-106.

DOI：10.13579/j.cnki.2095-0985.2023.20230141

• 机器学习
• 土壤不排水抗剪强度
• 静力触探试验

土壤抗剪强度在岩土工程中扮演着重要的角色，通常需要结合原位试验和实验室试验来进行测定。为了减少大型工程项目对繁琐且昂贵的实验室试验的依赖，探究了5种机器学习模型(人工神经网络、支持向量机、高斯过程回归、随机森林、XGBoost),利用静力触探试验数据来预测土壤不排水抗剪强度，以评估机器学习技术对减少实验室试验需求的潜力。结果表明，在5种模型中，XGBoost(R2=0.76,MAE=10.79,RMSE=15.45)与ANN(R2=0.76,MAE=10.87,RMSE=15.49)表现最出色，具有预测土壤不排水抗剪强度的潜力。然而，模型在组10折交叉验证中表现不佳，这表明尽管模型在训练时能够很好地处理特定场地数据，但在没有特定场地数据的情况下，泛化能力受到限制，凸显了准确描述土壤异质性的挑战。

• 单位
  华中科技大学