摘要
土壤材料的压实参数、最大干密度（MDD）和最优含水量（OMC）是公路路堤建设中的关键控制指标。本研究收集了199个细粒土料的压实试验结果数据。以MDD和OMC作为预测目标，利用Wild Horse Optimization（WHO）算法开发并优化了随机森林（RF）、梯度提升（GB）、极端梯度提升（XGBoost）和支持向量回归（SVR）模型。通过五种通用评估指标以及雷达图，全面比较了各模型的预测性能。基于单变量敏感性分析和Shapley Additive Explanations（SHAP）全局特征解释方法，采用双向偏依赖图（PDPs）揭示了土壤物理指标与压实指标之间的非线性关系。结果表明，经过WHO调优的XGBoost模型在MDD（测试集R2 = 0.8226）和OMC（测试集R2 = 0.7486）方面的综合预测性能最佳，其在小样本条件下的拟合精度和泛化能力优于SVR、GB和RF。塑性限（PL）对压实性能有显著影响。通过进一步比较WHO、粒子群优化（PSO）、灰狼优化器（GWO）、随机搜索、贝叶斯优化和网格搜索在不同模型上的表现，验证了WHO-XGBoost在预测压实土参数方面的适用性和可行性。所提出的数据驱动的压实评估框架（WHO-XGBoost-SA-SHAP-PDPs）作为一种辅助工具，可减轻实验室Proctor试验的工作负担和成本，为绿色交通基础设施中的快速精细路堤压实控制提供理论支持和技术指导。
