ПРОГНОЗИРОВАНИЕ КОЭФФИЦИЕНТА УПЛОТНЕНИЯ СЛАБОГО ГРУНТА С ИСПОЛЬЗОВАНИЕМ ОБУЧАЮЩИХ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Prediction of consolidation coefficient of soft soil based on machine learning models

Аннотация

Предлагается для определения коэффициента консолидации Cv слабого грунта использовать результаты определений более доступных характеристик по обучающим алгоритмам искусственного интеллекта, эффективность которых тестируется по выполненным единичным «надежным» определениям Cv. Показано, что необходимым требованиям сходимости прогнозируемых и экспериментально установленных значений коэффициента консолидации удовлетворяют два алгоритма ‑ искусственная нейронная сеть «Artificial Neural Network Model (ANN)» и реализующая метод опорных векторов «Support Vector Machine (SVM)». Описаны включающие, в частности, моделирование по Монте-Карло, этапы построения, реализации и тестирования указанных моделейна примере данных о слабом грунте в основании строящейся скоростной автомагистрали Гуйган-Бэйхай (Гуанси). Одиннадцать физико-механических параметров грунта статистически описываются с помощью корреляционной матрицы, при этом четыре параметра принимаются в качестве входных при «обучении» и тестировании расчетной модели. Установлено, что использование как ANN, так и SVM позволяют достаточно точно рассчитать Cv. Точность прогнозирования. по модели ANN несколько выше, чем по модели SVM, но вторая дает более надежные оценки с меньшим разбросом.

Полный текст статьи публикуется в английской версии журнала
«Soil Mechanics and Foundation Engineering», vol.61, No.3