基于基因算法优化后传神经网络的生物聚合物增强复合物稳定土壤的机械性能预测分析
Guotao Wei1, Zhaoping Wang1, Xuanhao Cao2
1No. Three Engineering Co., Ltd. of CCCC First Highway Engineering Co., Ltd., Beijing 101100, China.
Polymers
|August 28, 2025
概括
一个优化的GA-BP神经网络准确地预测生物聚合物纤维稳定土壤的机械强度. 这种模型提高了性能预测,这对于地质工程应用至关重要.
科学领域:
- 地质工程
- 材料科学
- 计算模型
背景情况:
- 预测多元生物聚合物稳定土壤的机械性能是复杂的.
- 现有的方法与生物聚合物稳定土壤复杂的组成比率作斗争.
研究的目的:
- 开发一个优化的GA驱动反向传播 (BP) 神经网络,用于准确预测生物聚合物纤维稳定土壤的性能.
- 确定影响这些稳定土壤机械强度的关键因素.
主要方法:
- 一个优化的GA驱动的BP神经网络被开发出来,使用 guar gum (GG),xanthan gum (XG) 和 polybutylene succinate (PBS) 作为输入和7天的压力强度作为输出.
- 使用支持矢量机 (SVM) 模型进行基准比较.
- 数据集被分为80%用于验证和20%用于测试.
主要成果:
- 最佳的生物聚合物剂量在0. 5%至1. 0%之间.
- 使用0. 5%的XG和0. 5%的GG组合,达到466. 67kPa的最大7天压力强度,比未经处理的土壤增加了273%.
- GA-BP模型的R2值为0.887,显著超过BP (0.714) 和SVM (0.554),平均平方误差降低至1413.
结论:
- GA-BP模型提供了可靠和强大的方法来预测稳定土壤的机械行为.
- 这种预测能力支持地质工程的先进应用.
- 与SVM等传统方法相比,开发的模型具有更高的准确性和稳定性.
