基于机器学习的软土压缩模量预测及沉降分析

作者：阮永芬; 李鹏辉; 施虹; 吴龙; 李飞鹏; 肖潇

来源：成都理工大学学报(自然科学版), 2023, 1-15.

• 压缩模量
• 机器学习
• 遗传算法
• BP神经网络
• 规范法

目前常规土体试验及预测方法都难以准确获得压缩模量Es。现基于机器学习理论建立一种非参数集成优化法计算Es，并与传统回归模型对比分析。从昆明地铁5号线会展中心场地选取203组泥炭质土物理力学指标样本，结合工程经验，选取其中8个重要的物理指标作为输入集，利用遗传算法优化BP神经网络输入层、隐含层及输出层之间的权值、阀值。采用相关系数R、正确率ACC及均方根误差RMSE多个评估指标优化确定算法的重要参数，将建立好的模型应用于多种土体，并与目前应用较多的方法对比分析，最后比较经验公式与本文方法预测地基沉降的性能。结果显示GA-BP神经网络方法对分析样本适应性强，算法收敛快，所得结果精准可靠，具有较大优越性。该方法对软土场地多参数预测具有一定的指导意义。

• 单位
  建筑工程学院; 中铁十一局集团城市轨道工程有限公司; 昆明理工大学