论文部分内容阅读
在复杂的工程地质环境中,打入桩的轴向承载力的预测是设计和施工的一个重大挑战。本研究将利用机器学习工具一极端梯度提升算法(XGBoost)预测打入桩的轴向承载力,对桩身最大压缩应力(MCS)、最大拉伸应力(MTS)和每英尺锤击数(BPF)进行了研究,并与反向传播神经网络(BPNN)和随机森林(RF)算法进行了比较分析。利用美国北卡罗来纳州的桩数据库中4000多个数据集生成训练和预测样本。利用均方根误差(RMSE)、平均绝对误差(MAE)和线性相关系数(R^2)等性能指标对三种回归算法的有效性进行了验证。结果