基于静力触探与机器学习的打入桩竖向承载力预测

作     者：莫品强 林浩东 胡静 高柳 庄培芝 MO Pinqiang;LIN Haodong;HU Jing;GAO Liu;ZHUANG Peizhi

作者机构：中国矿业大学深地工程智能建造与健康运维全国重点实验室江苏徐州221116 中国矿业大学深圳研究院广东深圳518057 中国电建集团成都勘测设计研究院有限公司四川成都610072 山东大学齐鲁交通学院山东济南250002 

基　　金：国家自然科学基金(51908546,52178374) 中国矿业大学未来科学家计划(2022WLJCRCZL042) 广东省自然科学基金(2024A1515011552) 江苏省科技计划(BK20242090) 

出 版 物：《同济大学学报(自然科学版)》 (Journal of Tongji University:Natural Science)

年 卷 期：2025年第53卷第2期

页      码：196-205页

摘      要：分析了单桩承载力的主要影响因素,利用降维算法对静力触探数据进行预处理,使用树模型的重要性分析函数筛选主要特征,由贝叶斯优化算法确定超参数,提出了一种基于机器学习算法的打入桩竖向承载力预测模型。经过准度测试、蒙特卡洛模拟检验及与经验关系模型的对比,对预测模型的有效性和鲁棒性进行了评估。结果表明,支持向量机(SVM)模型、随机森林(RF)模型、极限梯度提升算法(XGBoost)模型均能较准确地预测打入桩竖向承载力,且准确性显著高于经验关系模型。根据综合分析结果,建议选择XGBoost模型用于打入桩竖向承载力的预测。

主 题 词：静力触探 打入桩承载力 机器学习 降维算法 极限梯度提升算法 

学科分类：081401[081401] 08[工学] 0814[工学-地质类] 

核心收录：

D　O　I：10.11908/j.issn.0253-374x.23161

馆 藏 号：203157082...