基于机器学习的土壤不排水抗剪强度模型研究

土壤抗剪强度在岩土工程中扮演着重要的角色,通常需要结合原位试验和实验室试验来进行测定。为了减少大型工程项目对繁琐且昂贵的实验室试验的依赖,探究了5种机器学习模型(人工神经网络、支持向量机、高斯过程回归、随机森林、XGBoost),利用静力触探试验数据来预测土壤不排水抗剪强度,以评估机器学习技术对减少实验室试验需求的潜力。结果表明,在5种模型中,XGBoost(R²=0.76,MAE=10.79,RMSE=15.45)与ANN(R²=0.76,MAE=10.87,RMSE=15.49)表现最出色,具有预测土壤不排水抗剪强度的潜力。然而,模型在组10折交叉验证中表现不佳,这表明尽管模型在训练时能够很好地处理特定场地数据,但在没有特定场地数据的情况下,泛化能力受到限制,凸显了准确描述土壤异质性的挑战。     

集中供热热力站短期热负荷预测模型对比研究

以湖北省十堰市一个集中供热热力站为对象,基于实测运行数据和气象数据进行供热负荷预测研究。分别采用随机森林(Random Forest, RF)、极度梯度提升(eXtreme Gradient Boosting, XGBoost)、BP神经网络、支持向量回归(Support Vector Regression, SVR)、长短期记忆(Long Short Term Memory, LSTM)神经网络5种方法进行预测模型训练及测试,基于粒子群优化算法(Particle Swarm Optimization, PSO)优化各模型参数,获得最优模型,在此基础上针对不同模型在不同短期负荷预测情景下的表现进行对比研究。研究结果表明：在未来24h预测情景下,随机森林、XGBoost模型的预测精度最高,二者的平均绝对误差(MAE)分别为0.84 W/m²及1.00 W/m²。在未来1h预测情景下,SVR模型的预测精度最高,其MAE为0.18 W/m²。     

基于人工神经网络和遗传算法的隧道爆破超挖预测模型研究

隧道超挖会额外增加施工成本，还将面临潜在开挖面坍塌、冒顶等风险。本文以G0711乌鲁木齐至尉犁段天山胜利隧道主洞施工为依托，利用人工神经网络(ANN)、遗传算法-人工神经网络(GA-ANN)两个智能模型来预测隧道超挖量。首先提取依托工程中的406个数据集组成数据库，其中延误次数、炮孔长度、炮孔抵抗线、炮孔间距、炸药单耗、围岩等级、炮孔抵抗线等参数为输入端，所预测隧道超挖量为输出端；然后根据均方根误差(RMSE)、方差贡献(VAF)和确定系数(R²)等性能指标筛选出预测精度更高的智能模型。研究结果表明：GA-ANN模型训练集和测试集结果(VAF=90.134,R²=0.903,RMSE=0.058;VAF=88.030,R²=0.881,RMSE=0.074)明显优于ANN模型(VAF=70.319,R²=0.703,RMSE=0.103;VAF=768.731,R²=0.693,RMSE=0.108)，因此GA-ANN预测方法更能精确预测隧道钻爆施工超挖量。此外，敏感性分析结果...     

基于随机森林的高性能混凝土抗压强度预测

高性能混凝土抗压强度的准确预测是配合比设计优化的关键步骤之一,基于机器学习算法的预测结果容易受到输入变量的影响。提出一种经过特征筛选的抗压强度随机森林预测模型。以水胶比、水泥用量、水泥强度、砂石、粉煤灰掺量和外加剂用量作为原材料指标,通过试验收集56份数据样本。通过变量重要性度量剔除重要性较低的特征,再利用优化后的输入指标进行强度预测,并与未经过特征筛选的随机森林模型和BP神经网络模型的性能进行比较。结果表明,水泥掺量对于高性能混凝土强度的贡献最大,而外加剂的影响较小;随机森林模型的预测精度较高(R²=0.969 09),误差较小(RMSE=0.014 922);基于变量重要性度量的特征筛选对于提高预测精度具有重要意义。     

面向隧道掘进机可掘性评价的多算法融合优化模型及其工程应用

开展隧道掘进机(TBM)可掘性评价对于科学规划施工要素具有重要意义。在Karaj输水隧道、Zagros输水隧道和西秦岭铁路隧道的219组数据基础上,建立一种基于贝叶斯优化算法和早停策略改进的深度信念网络TBM可掘性评价模型。该模型以岩石单轴抗压强度(UCS)、岩石质量指标(RQD)、优势结构面与隧道轴向的夹角(α)和岩体可切削性指数(RMCI)作为输入变量,以现场贯入度指数(FPI)作为输出变量。在数据预处理阶段,分别采用Kriging插值和改进的CRITIC算法补全数据库中的缺失值并实现数据加权。以引松供水工程和辽西北引水工程为例检验模型的工程实用性：对于引松供水工程的37组测试数据,模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和决定系数(R~2)分别为2.18,8.25%和0.926 2;对于辽西北引水工程的49组测试数据,模型的RMSE,MAPE和R~2分别为2.83,8.14%和0.981 7。进一步地,通过定量比较数据加权前、后模型的RMSE,MAPE和R~2,发现数据加权可以有效改善模型预测性能。最后,从预测精度和运行速度2个方面开展了本文模型与BP神经网络...     

基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型

为了对盾构隧道下穿既有隧道的安全控制提供支撑，以既有地铁隧道的沉降预测误差为目标，采用遗传算法(GA)对双向长短期记忆网络(Bi-LSTM)结构中的时间序列的长度、隐藏层的单元数、隐藏层层数、LSTM的层数以及dropout进行参数优化，并在综合考虑工程地质参数、空间参数和盾构施工参数的基础上，构建GA-Bi-LSTM既有隧道沉降预测模型。以长沙轨道交通3号线平行下穿长沙轨道交通1号线区间工程为依托，基于该区间内的既有隧道沉降监测值以及对应的输入参数数据，对模型进行训练和测试。研究结果表明：提出的GA-Bi-LSTM模型对既有隧道沉降预测的平均绝对误差(MAE)、均方根(RMSE)、样本回归值(R²)分别为0.42,0.45,0.90，平均相对误差仅为10.78%，相较于BP,SVM,LSTM,Bi-LSTM神经网络模型拥有更好的预测精度，说明该模型具有较好的可靠性和实用性，可为新建隧道下穿既有隧道的沉降预测提供一种新的思路和方法。     

有侧压混凝土动态劈拉强度理论研究

对尺寸为300 mm×300 mm×300 mm的立方体混凝土试件进行4种应变速率(10~(-5)、10~(-4)、5×10~(-4)、10~(-3))和5种侧压(0、2 MPa、4 MPa、6 MPa、8 MPa)下的劈拉试验,对比分析有侧压混凝土动态劈拉受荷全过程的力学特性及变化规律。研究结果表明,有侧压混凝土材料劈拉强度随应变速率增大而增大,不同应变速率下混凝土劈拉强度随侧压增大均表现出先增大后减小的变化规律,不同应变速率下混凝土最大劈拉强度对应的侧压比基本相等。     

玄武岩纤维增强地聚合物混凝土劈拉试验研究

为研究玄武岩纤维对地聚合物混凝土劈拉强度的增强效应,对地聚合物混凝土(geopolymer concrete, GPC)和玄武岩纤维增强地聚合物混凝土(basalt fiber reinforced geopolymer concrete, BFRGPC)进行了静态和动态劈拉试验,动态试验的应变率为2～17 s^-1。结果表明,玄武岩纤维对地聚合物混凝土的劈拉强度提升有限,GPC和BFRGPC的静态和动态劈拉强度相差不大,2种材料在劈拉荷载作用下均表现出脆性破坏特征,抗拉性能较差。在动荷载下,GPC和BFRGPC的劈拉强度均存在应变率效应,相似的应变率下,GPC和BFRGPC的动态强度增强因子(dynamic increase factor, DIF)差异不明显。     

钢纤维陶瓷骨料混凝土高温后静态劈拉性能研究

混凝土建筑经历火灾后会受到极大破坏，为提高火灾后建筑结构的稳定性，提出一种适用于高温环境的新型混凝土——钢纤维陶瓷骨料混凝土。对高温后天然碎石混凝土和钢纤维陶瓷骨料混凝土进行2种不同加载率的静态劈拉力学试验，对比2种混凝土的劈拉强度和破坏形态。结果表明：高温后天然碎石混凝土的劈拉破坏形态为断裂破坏，而钢纤维陶瓷骨料混凝土的劈拉破坏形态为裂而不开；2种混凝土存在明显的力加载率效应，混凝土的劈拉强度随着加载率的增大而提高；经历1000℃高温后，天然碎石混凝土直接破坏，丧失承载力，而钢纤维陶瓷骨料混凝土还保留常温下劈拉强度的28%，具有较好的耐高温性能。     

用热影响参数对热力站日供热量预测的影响

将室外温度、历史供热量、生活热水平均日供回水温差、日期类型作为用热影响参数(室外温度分为日最大值、日最小值、日平均值,历史供热量分为前1日供热量、前2日供热量、前3日供热量,日期类型分为工作日、节假日),构建8组用热影响参数组合,采用BP神经网络建立热力站日供热量预测模型1～8。将平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)、相对误差绝对值(ARE)作为指标,评价预测模型的可靠性、稳定性以及预测结果的可信程度。预测模型7(用热影响参数为室外温度日最大值、室外温度日最小值、前1日供热量、前2日供热量、前3日供热量、生活热水平均日供回水温差、日期类型)的可靠性、稳定性最好,预测结果的可信程度最高。加入日期类型可提高预测模型的可靠性、稳定性。