基于SVM的固化土无侧限抗压强度模型
PDF下载 (349)潘斌杰,朱剑锋.基于SVM的固化土无侧限抗压强度模型[J].宁波大学学报(理工版),2020,33(4):63-69.DOI:
PAN Binjie,ZHU Jianfeng.Unconfined compressive strength model of solidified soil based on SVM[J].Journal of Ningbo University(Natural Science & Engineering Edition),2020,33(4):63-69.DOI:
| Title: | Unconfined compressive strength model of solidified soil based on SVM |
| 作者: | 潘斌杰, 朱剑锋 |
| Author(s): | PAN Binjie, ZHU Jianfeng |
| 关键词: | 支持向量机; 无侧限抗压强度; 固化土; 预测模型 |
| Keywords: | support vector machine; unconfined compressive strength; solidified soil; prediction model |
| 分类号: | TU411 |
| 文献标识码: | A |
| 摘要: | 为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度. |
| Abstract: | Based on the mechanism of support vector machine (SVM), an optimization model is developed to accurately predict the unconfined compressive strength (qu) of solidified soil under the condition of the limited number of tests. In the proposed model, a series of factors such as the components of the solidified agent, curing age, initial water content, the content of solidified agent, etc. are considered to be the input parameters. The associated values of qu for each case are used for the output parameter. The radial basis function is adopted as the core function, in which the key parameters are optimized using the grid search method and cross-validation method. The simulated results show that the proposed model behaves well in predicting the qu of solidified soil under any conditions. It is worth mentioning that the proposed model has the equivalent prediction accuracy with the response surface method but with fewer unconfined compression strength tests. |
| 参考文献 /References: | [1] 畅帅, 徐日庆, 李雪刚, 等. 2种复合固化剂作用下有机质土的渗透性[J]. 中南大学学报(自然科学版), 2014, 45(6):2021-2028. [2] 朱剑锋, 庹秋水, 邓温妮, 等. 镁质水泥复合固化剂固化有机质土的抗压强度模型[J]. 浙江大学学报(工学版), 2019, 53(11):2168-2174. [3] 王宏伟, 王东星, 贺扬. MgO改性淤泥固化土压缩特性试验[J]. 中南大学学报(自然科学版), 2014, 48(8):2133-2141. [4] 郭印, 徐日庆, 邵允铖. 淤泥质土的固化机理研究[J]. 浙江大学学报(工学版), 2008, 42(6):1071-1075. [5] 庹秋水, 朱剑锋, 饶春义. 固化有机质土的抗剪强度试验研究[J]. 泥沙研究, 2017, 42(5):70-74. [6] 徐日庆, 畅帅, 俞元洪, 等. 基于响应面法的杭州海相软土固化强度模型[J]. 浙江大学学报(工学版), 2014, 48(11):1941-1946. [7] 畅帅, 徐日庆, 李雪刚, 等. 基于响应面法的淤泥质土固化配方优化研究[J]. 岩土力学, 2014, 35(1):105-110. [8] 李云雷, 邵艳, 曹庆文. 基于响应面法的合肥滨湖新区湖相软土的固化配方试验研究[J]. 安徽建筑大学学报, 2017, 25(2):25-30. [9] 朱剑锋, 饶春义, 庹秋水, 等. 硫氧镁水泥复合固化剂加固淤泥质土的试验研究[J]. 岩石力学与工程学报, 2019, 38(增1):3206-3214. [10] 罗战友, 杨晓军, 龚晓南. 基于支持向量机的边坡稳定性预测模型[J]. 岩石力学与工程学报, 2005, 24(1):144-148. [11] 王勇, 乔春生, 孙彩虹, 等. 基于SVM的溶洞顶板安全厚度智能预测模型[J]. 岩土力学, 2006, 27(6):1000-1004. [12] 夏建中, 罗战友, 龚晓南, 等. 基于支持向量机的砂土液化预测模型[J]. 岩石力学与工程学报, 2005, 24(22):4139-4144. [13] 刘仁志, 黄张裕, 秦洁, 等. 基于粒子群优化支持向量机的边坡稳定性预测[J]. 甘肃科学学报, 2019, 31(1):99-103. [14] 王琦, 孙会彬, 江贝, 等. 基于数字钻探和支持向量机预测岩体单轴抗压强度的方法[J]. 岩土力学, 2019, 40(3):1221-1228. [15] 李钧涛, 杨瑞峰, 左红亮. 统计机器学习研究[J]. 河南师范大学学报(自然科学版), 2010, 38(6):35-40. [16] 田盛丰, 黄厚宽. 基于支持向量机的数据库学习算法[J]. 计算机研究与发展, 2000, 37(1):17-22. [17] 刘小生, 章治邦. 基于改进网格搜索法的SVM参数优化[J]. 江西理工大学学报, 2019, 40(1):5-9. [18] 奉国和. SVM分类核函数及参数选择比较[J]. 计算机工程与应用, 2011, 47(3):123-128. [19] 万智, 董辉, 刘宝琛. 基于正交设计下SVM滑坡变形时序回归预测的超参数选择[J]. 岩土力学, 2010, 31(2):503-515. [20] 郁磊, 史峰, 王辉, 等. MATLAB智能算法30个案例分析[M]. 2版. 北京: 北京航天航空大学出版社, 2015:280-289. |
| 备注/Memo: | 收稿日期: 2020－01－15. 宁波大学学报（理工版）网址: http://journallg.nbu.edu.cn/基金项目: 国家自然科学基金（51819133, 51409142）; 浙江省自然科学基金（LY17E080006）.第一作者: 潘斌杰（1994－）, 男, 浙江台州人, 在读硕士研究生, 主要研究方向: 软土加固机理及本构. E-mail: 934153611@qq.com*通信作者: 朱剑锋（1982－）, 男, 河南漯河人, 博士/副教授, 主要研究方向: 软土加固机理及本构. E-mail: zhujianfeng0811@163.com 宁波大学学报（理工版）网址：http://journallg.nbu.edu.cn/ |
