相关实验视频
Updated: Jun 12, 2025

In Situ Soil Moisture Sensors in Undisturbed Soils
Published on: November 18, 2022
在软土盾道挖掘中提高地面损失率预测:采用皮克背分析和极端梯度增强和贝叶斯优化的协同方法
Zhi Ding1,2, Wenrong Tu3,4,5, Xinjia Li1
1Department of Civil Engineering, Hangzhou City University, Huzhou Street 51#, Hangzhou, 310015, Zhejiang, China.
这项研究预测了使用Peck的方法和XGBoost的软土道挖掘中的地面损失. 这种先进的模型准确地预测了表面沉积和建筑风险,优于其他机器学习方法.
科学领域:
- 地质技术工程 地质技术工程
- 道工程工程 道工程
背景情况:
- 软土道挖掘在预测土壤损失方面存在挑战.
- 准确预测地面损失对于减轻建筑风险至关重要.
研究的目的:
- 开发和验证一种可靠的方法,用于预测软土盾道挖掘中的地面损失率.
- 将XGBoost的性能与随机森林和支持向量机模型进行比较.
主要方法:
- 使用Peck的背面分析方法与XGBoost模型相结合.
- 在XGBoost模型的超参数调整中使用贝叶斯优化.
- 基准XGBoost与随机森林 (RF) 和支持矢量机器 (SVM) 模型进行比较.
主要成果:
- XGBoost模型在预测地面损失率方面表现出卓越的准确性和稳定性.
- 确定了影响瞬间表面沉积时间的土壤特性和接因素.
- 建立了深度与直径比率,盾牌前进速度变化,最大沉降和地面损失率之间的相关性.
结论:
- 佩克背面分析和XGBoost与贝叶斯优化的结合方法为软土壤中的地面损失预测提供了高可靠性.
- 这种预测模型可以作为管理道工程建设风险的宝贵参考.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
相关概念视频
Design Example: Maintaining Level of an Embankment
Profile Leveling and Cross Sections
Taping Over Different Ground Profiles
Survival Tree
Building a Survival Tree
Constructing a...
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Design Example: Alignment of a Road Line Using GIS