典型文献
基于人工智能算法预测土体导热系数
文献摘要：
导热系数是土体热力学特征的基本参数,也是岩土工程热工计算的重要参数之一.它受土体骨架、矿物成分和饱和度等因素的影响.对土体导热系数的影响因素进行分析,采用各种先进的人工智能算法来研究土体的传热机理,并建立预测模型.预测模型通过相关系数R2、均方根误差RMSE、绝对平均误差MAE和方差比VAF进行检验,对误差进行统计分析,并对预测模型的稳健性进行分析,预测模型与传统的经验关系模型进行对比分析.结果表明:人工神经网络(ANN)模型、基于自适应神经网络的模糊推理系统(ANFIS)模型和支持向量机(SVM)模型都准确的预测出土体的导热系数,相关系数R2大于0.9,均方根误差RMSE小于0.2(W·m-1·K-1),绝对平均误差MAE小于0.13(W·m-1·K-1),方差比VAF大于90％.提出的预测模型精度显著高于传统经验关系模型.根据误差统计和稳健性分析结果,建议土体导热系数的预测计算优先使用ANN模型和SVM模型.
文献关键词：
人工智能算法;导热系数;预测模型;稳健性
中图分类号：
作者姓名：
王才进;蔡国军;武猛;刘薛宁;刘松玉
作者机构：
东南大学岩土工程研究所,江苏 南京 211189;安徽建筑大学土木工程学院,安徽 合肥 230601
文献出处：
引用格式：
[1]王才进;蔡国军;武猛;刘薛宁;刘松玉-.基于人工智能算法预测土体导热系数)[J].岩土工程学报,2022(10):1899-1907
A类：
B类：
人工智能算法,算法预测,土体,导热系数,体热,力学特征,基本参数,岩土工程,热工计算,重要参数,体骨,矿物成分,传热机理,RMSE,平均误差,MAE,VAF,经验关系,关系模型,人工神经网络,ANN,自适应神经网络,模糊推理系统,ANFIS,预测出,出土,预测模型精度,传统经验,稳健性分析,预测计算
AB值：
0.323903
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
