运用元启发式算法对用于预测受驱桩抗力 的混合人工智能模型进行对比评估

《Scientific Reports》：Comparative assessment of hybrid AI models using metaheuristic algorithms for predicting shaft resistance of driven piles

　　

摘要

本研究利用65组现场数据，开发了多种混合人工智能模型，用于预测受压桩的轴阻力。研究将多层感知器神经网络与四种元启发式优化算法相结合，这四种算法分别为鲸鱼优化算法、人工蜂群算法、蚁狮优化算法和蚁群优化算法。输入参数包括桩长、桩径、有效垂直应力以及不排水抗剪强度，而轴摩擦力则作为目标输出值。这些模型经过训练和测试后，其性能通过R2和RMSE指标进行评估。最终比较结果显示，ALO–MLP模型的整体性能最佳，测试时的R2值为0.981，RMSE值为5.26。WOA–MLP也表现出较强的预测能力，排名第二，其测试R2值为0.981，RMSE值为6.79。ABC–MLP模型也取得了不错的成绩，而ACO–MLP模型的精度较低，且对种群规模较为敏感。总体而言，研究结果表明，ALO–MLP和WOA–MLP可作为地质工程设计中估算桩轴阻力的实用且可靠的工具。