基于自编码神经网络的孔压静力触探海底土层划分方法改进
孔压静力触探测试数据在海底土分类、地层划分中有重要应用.以往的分层方法在CPTU指标的选取上有较大的主观性,分层结果不很准确,在已有的K均值聚类判层方法基础上,使用自编码神经网络对投入聚类的海底孔压静力触探指标进行降维,去除冗余特征,优化特征间的权重,对得到的特征子集进行K均值聚类,发现聚类分层结果的轮廓系数等聚类评价指标都大为提高.通过在舟山海域海底地层CPTU数据上的应用,证实了所提出的方法在判断土类数目和划分土层边界方面的准确性.
自编码神经网络、地质分层、孔压静力触探
47
TU413(土力学、地基基础工程)
2019-07-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
23-28