TY - Jour A2 - Ggryo,Mauro Au - Nguyen,Thuy-Anh Au - Ly,Hai-Bang Au - Pham,Binh Thai Py - 2020 DA - 2020/12/24 Ti - Backpropagation基于神经网络的预测机器学习模型土壤摩擦角SP - 8845768 VL - 2020 AB - 在基础,路面,挡土墙等设计过程中,土壤强度相关参数的估计至关重要。特别地,摩擦角是评估岩土结构的稳定性和变形的临界剪切强度因子。实际上,已经进行了实验室或现场测试以确定土壤的摩擦角。然而,这些工作往往是耗时的,并且非常昂贵。因此,近期已广泛应用使用机器学习技术的土壤地质力学性能的预测。在这项研究中,建立了贝叶斯正则化反向验证算法以预测从实验中收集的145数据的土壤摩擦角度。模型的性能由三个特定的统计标准评估,例如Pearson相关系数(
R.),根均方误差(RMSE),以及平均误差(MAE)。结果表明,该算法对土壤摩擦角的预测表现良好(
R. = 0.8885, RMSE = 0.0442, and MAE = 0.0328). Therefore, it can be concluded that the backpropagation neural network-based machine learning model is a reasonably accurate and useful prediction tool for engineers in the predesign phase. SN - 1024-123X UR - https://doi.org/10.1155/2020/8845768 DO - 10.1155/2020/8845768 JF - Mathematical Problems in Engineering PB - Hindawi KW - ER -