基于机器学习的深基坑人字形支护变形预测分析

作者：邵勇; 陈从新; 鲁祖德; 郑允; 张亚鹏

来源：岩土力学, 2020, S2: 1-9.

DOI：10.16285/j.rsm.2020.1435

• 深基坑
• 人字形支护
• 机器学习
• 神经网络
• 支持向量机
• 决策树
• 随机森林
• 变形预测
• 三维有限差分FLAC3D deep foundation pit
• herringbone support
• machine learning
• artificial neural networks
• support vector machine
• decision regression tree
• random forest
• deformation prediction
• three-dimensional finite difference FLAC3D

随着地下空间的开发和利用，出现了大量开挖规模大、深度深的基坑工程，迫切需要发展新型支护设施，以适应基坑工程建设的需求，其中人字形支护设施就是一种经济有效的深基坑新型支护设施。基于100组三维有限差分（FLAC3D）模拟结果和典型相关分析，分析输入参数与输出参数的相关关系，建立了基于BP神经网络、基于粒子群优化的支持向量机、决策回归树和集成算法（随机森林））的人字形支护设施的四类机器学习算法的变形预测分析模型。研究发现，基于典型相关分析结果，对桩顶水平位移的影响因素由大到小依次为黏聚力、内摩擦角、土体密度、剪切模量、斜桩与基坑侧壁夹角、体积模量和斜桩长度；对基坑周边沉降的影响因素由大到小依次为内...

• 单位
  中国科学院武汉岩土力学研究所; 岩土力学与工程国家重点实验室; 中国科学院大学