-
题名基于刃脚土压力的超大锚碇沉井基础下沉智能预测
- 1
-
-
作者
蔡启航
董学超
郭明伟
卢正
徐安
蒋凡
-
机构
华北水利水电大学地球科学与工程学院
中国科学院武汉岩土力学研究所岩土力学与工程安全全国重点实验室
中国科学院大学
中铁桥隧技术有限公司
-
出处
《岩土力学》
北大核心
2025年第S1期377-388,共12页
-
基金
国家自然科学基金面上项目(No.42077262)
-
文摘
沉井基础因整体刚度大,承载能力强已广泛应用于大型桥梁工程,其下沉施工的关键在于控制下沉状态的安全平稳,准确预测取土施工过程中沉井基础的下沉速率与倾斜程度对下沉控制至关重要。沉井基础在下沉过程中获取了大量的刃脚土压力实时监测数据,刃脚土压力实测数据的数据维度较高,与沉井下沉速率和倾斜程度的作用机制复杂,采用传统方法难以处理,故采用机器学习中的极限树算法建立下沉状态预测模型,模型可提取刃脚土压力监测数据的时间和空间特征,捕捉刃脚土压力与沉井基础下沉速率和倾斜程度之间的复杂关系,智能化预测沉井的下沉速率和倾斜程度,并将预测模型应用于张靖皋长江大桥北锚碇沉井基础工程中,计算模型评估参数、验证模型预测精度。另外,将所选取的极限树算法与其他常用机器学习算法进行对比,并分析模型参数对所提出模型预测精度的影响规律。结果表明:所建立的分析模型预测精度高,工程应用时决定系数R2均大于0.9,可以满足工程需要,且极限树算法预测效果优于其他机器学习方法,基决策树个数的增加与最大树深度的增大有助于提高模型的预测精度。研究结果可为类似沉井工程控制下沉速率及倾斜程度提供参考。
-
关键词
沉井基础
下沉速率预测
倾斜程度预测
刃脚土压力
机器学习
极限树
张靖皋长江大桥
-
Keywords
caisson foundation
sinking rate prediction
tilt degree prediction
soil pressure under cutting edges
machine learning
extra tree
Zhang-Jing-Gao Yangtze River Bridge
-
分类号
U446.2
[建筑科学—桥梁与隧道工程]
-
