一种基于机器学习技术的场地地震液化势评价方法技术

本发明专利技术公开一种基于机器学习技术的场地地震液化势评价方法，包括如下步骤：S1：开始；S2：输入：包含有n个原因属性变量和1个标签变量的数据集合，交叉验证的折数k；S3：定义数据；S4：令i＝0，转S5；S5：当i不大于length‑Fn时，令length‑Fi为Fi中包括的属性个数，同时令j＝1，转S6；若i大于length‑Fn时，直接到S12；S6：令j＝1，转S7；S7：当j的数值不大于length‑Fn，同时i不等于0时，定义fj为Fi中第j个属性，令Fj＝Fi\fj；同时将数据集合分为k份，转S8；当i等于0时，直接将数据集合分为k份，转S8；当j的数值大于length‑Fn时，转S11；S9：反复判断s与k的大小，进行交叉验证；提高了模型的可靠性，提高了模型的泛化能力，进一步推动了基于机器学习技术的地基液化势评价方法的实际应用。

【技术实现步骤摘要】
一种基于机器学习技术的场地地震液化势评价方法
本专利技术属于抗震领域，尤其涉及一种基于机器学习技术的场地地震液化势评价方法。
技术介绍
为本领域技术人员所熟知的是，在地震作用下土壤会产生急剧的状态改变和丧失强度和刚度，导致地面建筑物的破坏，这种现象被称为液化现象。液化是导致建筑物在地震中不稳定进而破坏的主要因素，也是地震研究及地基抗震设计的重要方面。液化势就是饱和砂土或饱和粉土在地震作用下产生的超孔隙水压力，使土体有效抗剪强度降低或消失，以导致土层喷水冒砂或土体滑移失稳的一种趋势。对液化势进行评价，可判断地基在地震作用下液化的可能性，从而为建筑设计中采取抗液化措施提供依据。
技术实现思路
本专利技术所要解决的技术问题在于提供基于机器学习技术的场地地震液化势评价方法，欲提高液化势评价分类器泛化能力。本专利技术的技术方案如下：一种基于机器学习技术的场地地震液化势评价方法，包括如下步骤：S1：开始；S2：输入：包含有n个原因属性变量和1个标签变量的数据集合，交叉验证的折数k；S3：定义：Fn为全体属性集合，length-Fn为Fn中包括的属性个数，Fi为Fn的子集,且初始化：Fi＝Fn；S4：本文档来自技高网...

【技术保护点】
1.一种基于机器学习技术的场地地震液化势评价方法，其特征在于包括如下步骤：S1：开始；S2：输入：包含有n个原因属性变量和1个标签变量的数据集合，交叉验证的折数k；S3：定义：Fn为全体属性集合，length‑Fn为Fn中包括的属性个数，Fi为Fn的子集,且初始化：Fi＝Fn；S4：令i＝0，转S5；S5：当i不大于length‑Fn时，令length‑Fi为Fi中包括的属性个数，同时令j＝1，转S6；若i大于length‑Fn时，直接到S12；S6：令j＝1，转S7；S7：当j的数值不大于length‑Fn，同时i不等于0时，定义fj为Fi中第j个属性，令Fj＝Fi\fj；同时将数据集合分为...

【技术特征摘要】
1.一种基于机器学习技术的场地地震液化势评价方法，其特征在于包括如下步骤：S1：开始；S2：输入：包含有n个原因属性变量和1个标签变量的数据集合，交叉验证的折数k；S3：定义：Fn为全体属性集合，length-Fn为Fn中包括的属性个数，Fi为Fn的子集,且初始化：Fi＝Fn；S4：令i＝0，转S5；S5：当i不大于length-Fn时，令length-Fi为Fi中包括的属性个数，同时令j＝1，转S6；若i大于length-Fn时，直接到S12；S6：令j＝1，转S7；S7：当j的数值不大于length-Fn，同时i不等于0时，定义fj为Fi中第j个属性，令Fj＝Fi\fj；同时将数据集合分为k份，转S8；当i等于0时，直接将数据集合分为k份，转S8；当j的数值大于length-Fn时，转S11；S8：令s＝1，转S9；S9：反复判断s与k的大小，进行交叉验证；交叉...

【专利技术属性】
技术研发人员：李建平，董润润，王建声，陈玲，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：河南,41