基于机器学习CPTU智能算法的黏性土应力历史评价
土体应力历史是衡量土体稳定性、变形特性的重要指标,常采用超固结比(OCR)表示.基于江苏黏性土孔压静力触探(CPTU)原位测试数据集,以室内固结试验结果为参考值,采用多元自适应回归样条(MARS)和自适应模糊神经网络(ANFIS)智能算法对黏性土应力历史进行评价,并将预测结果与室内试验结果和CPTU经验关系式估计值进行对比,最后进行了参数敏感性分析.结果表明:MARS模型和ANFIS模型均能够准确地预测黏性土的OCR值,且准确度均明显高于传统CPTU经验关系式;相比而言,MARS模型效果更佳.工程实践中,建议采用CPTU原始测试参数(qt、fs和u2)作为机器学习输入变量.MARS模型敏感性分析结果与理论研究结果一致,进一步验证了MARS模型的可靠性.提出的智能CPTU模型可以准确地预测黏性土OCR,指导工程实践.
孔压静力触探;黏性土;超固结比;多元自适应回归样条;自适应模糊神经网络
43
TU413(土力学、地基基础工程)
国家重点研发计划项目课题;国家自然科学基金项目
2021-12-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
104-107