科研之友
微信
新浪微博
Facebook
分享链接
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
