一种打入桩承载力预测方法及系统技术方案

本发明专利技术属于土工程与人工智能技术领域，公开了一种打入桩承载力预测方法及系统，该方法通过采集打入桩的基本数据信息建立数据集，并进行归一化处理；将CNN和LSTM模型相结合，构建CNN‑LSTM联合模型；采用贝叶斯优化算法对CNN‑LSTM联合模型的超参数进行寻优；将数据集打乱输入到BO‑CNN‑LSTM模型中进行训练，将训练好的BO‑CNN‑LSTM模型作为打入桩承载力预测模型，输出预测结果。本发明专利技术通过结合卷积神经网络（CNN）和长短期记忆网络（LSTM），再通过贝叶斯优化模型的预测结果，提高预测精度。较于传统的半经验方法和桩荷载试验，本发明专利技术能够更高效、准确地预测打入桩承载力，显著提升经济性。

【技术实现步骤摘要】

本专利技术属于岩土工程与人工智能，尤其涉及一种打入桩承载力预测方法及系统。

技术介绍

1、在沿海地区，存在许多软弱地基。这些地基通常具有较低的抗剪强度和承载力。因此，在实际工程中，常采用桩基础对其进行加固。在桩基础中，预制打入桩凭借施工速度快、成桩质量高等诸多优点，成为软土地区广泛采用的一种常见的沉桩形式。作为重要的基础支撑结构，其竖向承载力的准确检测对工程质量和安全至关重要。现阶段承载力的研究受到场地、计算理论等诸多限制，仍然依赖于基于半经验方法预测与桩荷载试验结果。其中桩荷载试验结果准确，但试验需要花费大量时间和成本。半经验方法的预测计算过程相对简单，所需时间较短，成本较低，但是其预测精度有限且仅适用于特定类型的土层和结构。

2、随着深度学习的不断发展以及计算机算力的提升，逐渐衍生出了一批用于回归预测的神经网络模型，不仅性能优异，还具有更好的经济性、高效性和准确性。因此，如何将神经网络模型应用到桩基承载力预测当中，是当今岩土工程领域研究的热点。

3、通过上述分析，现有技术存在的问题及缺陷为：现有的打入桩承载力预测方法中，桩荷载试本文档来自技高网...

【技术保护点】

1.一种打入桩承载力预测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述打入桩承载力预测方法，其特征在于，在步骤S1中，采集打入桩的基本数据信息，包括：从文献数据库中采集打入桩的基本数据信息，数据集特征包括：桩长、桩身直径、平均有效垂直应力、不排水抗剪强度和桩基承载力。

3.根据权利要求1所述打入桩承载力预测方法，其特征在于，在步骤S2中，对建立的数据集进行归一化处理，表达式为：

4.根据权利要求1所述打入桩承载力预测方法，其特征在于，在步骤S3中，CNN-LSTM联合模型使用CNN提取局部特征，将局部特征输入到LSTM中，捕捉时间序列的...

【技术特征摘要】

1.一种打入桩承载力预测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述打入桩承载力预测方法，其特征在于，在步骤s1中，采集打入桩的基本数据信息，包括：从文献数据库中采集打入桩的基本数据信息，数据集特征包括：桩长、桩身直径、平均有效垂直应力、不排水抗剪强度和桩基承载力。

3.根据权利要求1所述打入桩承载力预测方法，其特征在于，在步骤s2中，对建立的数据集进行归一化处理，表达式为：

4.根据权利要求1所述打入桩承载力预测方法，其特征在于，在步骤s3中，cnn-lstm联合模型使用cnn提取局部特征，将局部特征输入到lstm中，捕捉时间序列的长时间依赖模式。

5.根据权利要求4所述打入桩承载力预测方法，其特征在于，cnn-lstm联合模型包括：

6.根据权利要求5所述打入桩承载力预测方法，其特征在于，卷积层通过在输入...

【专利技术属性】
技术研发人员：孟坤，李秀兵，逯振国，王明燕，闵博，钟明辰，张思豪，王泉淇，井惟彬，孙剑钢，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：