基于机器学习技术的差异沉降定量预测

《Scientific Reports》：Quantitative prediction of differential settlement based on machine learning techniques

　　

摘要

在道路拓宽项目中，现有路堤与新建路堤交界处的差异沉降是一个亟待解决的难题。本研究构建了一种基于数据的机器学习框架，用以精准预测这种沉降现象，从而克服传统有限元方法的局限性。通过有限元模拟（iSight-ABAQUS）生成了大量的数据集，用于训练和评估八种不同的机器学习算法。其中，梯度提升模型表现最为出色，其R2值接近1.0，显示出极高的预测精度和泛化能力。最终形成的模型被集成到基于Python的框架中，能够快速预测道路的运行状况。这种机器学习方法有助于加快设计优化进程，识别出弹性模量等关键影响参数，同时为预防性维护规划提供支持。该研究为路面工程建立了一种全新的、以数据为驱动的解决方案，提供了一种能够快速进行性能预测和损伤评估的工具，其在速度和效率方面远远优于传统的基于模拟的方法。