基于不同PSO-ELM模型的碾压黏土抗剪强度预测方法研究
碾压黏土的抗剪强度直接影响碾压土石坝的质量和使用寿命.为得出碾压黏土抗剪强度的最优预测模型,通过粒子群算法优化极限学习机模型(PSO-ELM),分别以Sine函数、radbas函数和hardlim函数3种激活函数为基础,构建PSO-ELMsin,PSO-ELMrad和PSO-ELMhard 3种模型,并将模型结果与ELM模型、广义回归神经网络模型(GRNN)、随机森林模型(RF)和BP神经网络模型进行了对比.结果表明:在黏聚力和内摩擦角的拟合结果中,PSO-ELMsin模型精度最高,其拟合方程斜率分别为1.005,1.032;在月值模拟中,PSO-ELMsin模型与实测值的拟合度最高,相对误差仅在6.0%~9.3%;PSO-ELMsin模型在黏聚力模拟中RMSE,RRMSE,MAE,Ens和R2分别为0.776 kPa,1.80%,0.641 kPa,0.993和0.997,该模型在内摩擦角模拟中RMSE,RRMSE,MAE,Ens和R2分别为1.635°,6.98%,1.616°,0.983和0.998,模型精度均排名第一.因此,PSO-ELMsin模型在所有模型中精度最高,可作为碾压黏土抗剪强度预测的标准模型使用.
碾压黏土、抗剪强度、粒子群算法、极限学习机、激活函数
29
TU411.7(土力学、地基基础工程)
河北省高等学校科学技术研究项目;省部共建教育部重点实验室基金;河北省属高等学校基本科研业务费科技重点科研培育项目
2022-05-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
213-219,227