基于人工智能算法预测土体导热系数
导热系数是土体热力学特征的基本参数,也是岩土工程热工计算的重要参数之一.它受土体骨架、矿物成分和饱和度等因素的影响.对土体导热系数的影响因素进行分析,采用各种先进的人工智能算法来研究土体的传热机理,并建立预测模型.预测模型通过相关系数R2、均方根误差RMSE、绝对平均误差MAE和方差比VAF进行检验,对误差进行统计分析,并对预测模型的稳健性进行分析,预测模型与传统的经验关系模型进行对比分析.结果表明:人工神经网络(ANN)模型、基于自适应神经网络的模糊推理系统(ANFIS)模型和支持向量机(SVM)模型都准确的预测出土体的导热系数,相关系数R2大于0.9,均方根误差RMSE小于0.2(W·m-1·K-1),绝对平均误差MAE小于0.13(W·m-1·K-1),方差比VAF大于90%.提出的预测模型精度显著高于传统经验关系模型.根据误差统计和稳健性分析结果,建议土体导热系数的预测计算优先使用ANN模型和SVM模型.
人工智能算法、导热系数、预测模型、稳健性
44
TU441(土力学、地基基础工程)
国家自然科学基金;国家自然科学基金
2022-10-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
1899-1907