System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及土木工程中的岩土工程,具体涉及一种基于机器学习的孔压消散试验优化方法。
技术介绍
1、孔压消散试验是cptu触探技术的重要组成部分,通过孔压消散试验可以得到水平固结系数ch,该参数与人们广泛采用的室内固结试验得到的竖向固结系数cv有一定的相关性,因此可以对土的固结性质做出评价,具有重要的工程意义和广阔的发展前景。
2、孔压消散试验的测试环境、测试方法、数据处理方法较为复杂,时间成本较高,如何充分利用好试验数据是实际工程中的关键,然而当把水平固结系数ch作为土的固结性质评价指标时,人们通常认为水平固结系数ch与竖向固结系数cv为简单映射的关系,忽略了现场试验复杂的测试环境与多变的影响因素,测试结果通常离散性较大,需要专业的技术人员对其进行分析,耗费的人力、物力较大,分析时间也较长,制约了这种方法的发展。
技术实现思路
1、针对孔压消散试验技术存在的问题,本专利技术提供了一种基于机器学习的孔压消散试验优化方法,能够结合锥尖阻力、侧壁摩阻力、孔隙水压力、摩阻比、探头半径、贯入速率等触探信息高效地实现对试验结果的利用,准确快速地预测竖向固结系数cv,从而对土的固结性质做出评价。
2、为实现上述技术目的,本专利技术的技术方案是:一种基于机器学习的孔压消散试验优化方法,其特征在于,包括以下步骤:
3、步骤1:结合已有大量的cptu孔压消散试验数据和大变形有限元数值模拟,统计试验环境变量以及室内固结试验得到的竖向固结系数,建立得到有效的数据库。<
...【技术保护点】
1.一种基于机器学习的孔压消散试验优化方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤1中,所述试验基于大量现场CPTu孔压消散试验和大变形有限元数值模拟构建,环境变量选用锥尖阻力、侧壁摩阻力、孔隙水压力、摩阻比、探头半径、贯入速率、水平固结系数;记录对应室内固结试验得到的竖向固结系数。
3.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤2中,所述对环境变量与竖向固结系数进行预处理为采用Python语言,编写windows系统下的自动化脚本来形成csv格式的数据集。
4.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤2中,所述数据预处理为将严重偏离常理的数据剔除。
5.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤2中,所述数据标准化为通过等值放缩的形式将各环境变量列的值域统一,以使系统更易理解输入的数据。
6.根据权利要求1所述的一种基于机器学习的孔压消散试
7.根据权利要求6所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤3中,所述支持向量机回归模型为基于Python语言,用于预测竖向固结系数cv的过程为:
8.根据权利要求6所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤3中,所述前馈神经网络为基于Python语言和pytorch框架,所述前馈神经网络算法的超参数为隐藏层的层数和隐藏神经元的个数,前馈神经网络算法用于预测竖向固结系数cv的过程为:
9.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤3中,所述均方误差MSE为用于检测向量机模型和前馈神经网络训练效果、优化预测模型的损失函数,其值随着训练过程的进行收敛于一定数值区间、不再剧烈波动则证明训练有效,其表达式为:
10.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤4中,将均方误差MSE最低的训练完毕的回归模型作为最佳的孔压消散试验优化模型。
...【技术特征摘要】
1.一种基于机器学习的孔压消散试验优化方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤1中,所述试验基于大量现场cptu孔压消散试验和大变形有限元数值模拟构建,环境变量选用锥尖阻力、侧壁摩阻力、孔隙水压力、摩阻比、探头半径、贯入速率、水平固结系数;记录对应室内固结试验得到的竖向固结系数。
3.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤2中,所述对环境变量与竖向固结系数进行预处理为采用python语言,编写windows系统下的自动化脚本来形成csv格式的数据集。
4.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤2中,所述数据预处理为将严重偏离常理的数据剔除。
5.根据权利要求1所述的一种基于机器学习的孔压消散试验优化方法,其特征在于:在步骤2中,所述数据标准化为通过等值放缩的形式将各环境变量列的值域统一,以使系统更易理解输入的数据。
6.根据权利要求1所述的一种基于机器学习的孔压消散试...
【专利技术属性】
技术研发人员:张迪,孙峰,殷杰,余威,
申请(专利权)人:中铁第四勘察设计院集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。