基于SPT和土壤指标特性对剪切波速的预测:在分组验证下,传统基准方法与机器学习方法在NSPT和(N1)60中的应用对比
《Geosciences》:Prediction of Shear-Wave Velocity from SPT and Soil Index Properties: Comparison Between NSPT and (N1)60 Using Classical Baselines and Machine Learning Under Grouped Validation
【字体:
大
中
小
】
时间:2026年06月24日
来源:Geosciences 2.3
摘要
当缺乏直接的地球物理数据时,通过标准贯入试验来估算剪切波速度(Vs)有助于对场地进行初步评估,但这类经验性关联方法需要经过验证,以确保其在不同场地间的适用性。本研究利用来自秘鲁皮乌拉地区学校地基地质勘探的成对数据集,对Vs的预测能力进行了评估。该研究的创新之处在于,针对同一组严格筛选的样本,比较了原始的SPT击数(NSPT)以及经过覆盖层和能量校正后的SPT击数((N1)60),并通过按学校分组的交叉验证方法,重点考察模型在不同场地间的适用性而非仅其在特定数据集中的拟合效果。研究共测试了五种预测方案,从仅基于贯入深度的公式到包含更多地质参数的复杂模型。在所有评估模型中,采用基于(N1)60值及综合地质参数的广义幂函数模型,其分组外误差最低,对应的均方根误差为80.48米/秒,平均绝对误差为60.15米/秒,决定系数为0.338。这一相对较低的R2值表明,该模型在应用于其他未测试过的学校时,其独立预测能力有限;因此,该模型更适合作为一种用于不同场地间关联分析的初步工具,而不能替代直接的Vs测量结果,也无法作为独立的设计方程使用。在基于全部数据的分析中,历史梯度提升法能得到最佳的描述性拟合效果,而对数半经验公式则表现出最强的预测能力。总体而言,这些研究结果表明,在Vs-SPT建模过程中,经过外部验证的模型适用性、基于全部数据的描述性拟合以及基于公式的可解释性,分别承担着不同的分析功能。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号