摘要
针对基桩竖向承载力的影响因素众多,且相互之间存在着复杂的非线性关系,导致基桩竖向承载力难以准确预测的问题,采用机器学习中的梯度提升决策树(GBDT)算法,进行了基桩竖向承载力的预测研究。首先,通过文献收集到174组基桩竖向承载力实测数据,建立了机器学习预测模型需要的数据库。然后,采用GBDT算法建立基桩竖向承载力的预测模型。结合均方误差(MSE)、平均绝对误差(MAE)、判定系数(R2)评价指标,将建立的预测模型与决策树(DT)、随机森林(RF)、BP神经网络(BP)、线性回归(LR)模型,以及规范中的基桩竖向承载力计算公式进行综合对比。研究结果表明:相对于DT模型、RF模型、BP模型、LR模型和规范中的计算公式,建立的GBDT模型在测试集上的MAE、MSE最小,R2最大。结论是GBDT模型具有准确度高、稳定性好、鲁棒性强,模型误差小的优势,能够更好地预测基桩竖向承载力。
- 出版日期2023
- 单位河南工业大学; 土木工程学院