首页|液化场地水平位移预测数据驱动方法研究

液化场地水平位移预测数据驱动方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于Youd等2002液化变形数据库,结合机器学习方法,本研究建立了基于机器学习的液化场地水平位移预测数据驱动方法,并利用其对新近地震液化场地的水平位移进行了预测.首先,收集了新近几次地震液化场地水平位移案例,在此基础上采用已有常用工程经验方法对新近地震液化场地水平位移进行预测以探究其适用性,发现Youd 2018方法具有良好的表现.为获得最优的机器学习模型,本研究分别讨论了BP神经网络模型(BPNN)、径向基神经网络模型(RBF)、决策树模型(DT)、随机森林模型(RF)、支持向量机模型(SVM)等机器学习模型的适用性.研究发现,随机森林模型(RF)表现优越,该方法计算效率高、数据可扩展性好,同时能够很好地反映已有数据特性.相较于Youd 2018方法,随机森林模型(RF)对新近地震液化场地水平位移的整体预测精度提升18.17％.最后,本研究探讨了随机森林模型(RF)预测液化场地水平位移时不同影响因素的敏感性.
Study of data-driven methods for predicting soil liquefaction-induced lateral displacement

张屹蕃、王睿、张建民、张建红

展开 >

清华大学 水沙科学与水利水电工程国家重点实验室,北京 100084

砂土液化 水平位移 数据驱动 机器学习 敏感性分析

国家自然科学基金国家自然科学基金国家自然科学基金

520900845227910152038005

2023

10.11660/slfdxb.20230310

水力发电学报
中国水力发电工程学会

水力发电学报

CSTPCDCSCD北大核心
影响因子：0.801
ISSN：1003-1243
年,卷(期)：2023.42(3)
  • 2
  • 11