TY -的A2 Benedetto安德里亚盟——Prayogo Doddy AU - Susanto,璧Tadeus泰迪PY - 2018 DA - 2018/03/20 TI -优化摩擦驱动桩能力的预测精度粘性土使用一种新型自调优最小二乘支持向量机SP - 6490169六世- 2018 AB -本研究提出了一种新颖的混合预测技术,即自调优最小二乘支持向量机(ST-LSSVM),准确的模型驱动的摩擦能力在粘性土桩。混合方法使用回归模型作为supervised-learning-based预测建立一个精确的输入-输出关系的数据集和SOS方法优化 σ和 γ参数回归模型。的评估和调查ST-LSSVM 45训练数据和20个测试数据进行编译的打入桩负载测试从先前的研究。ST-LSSVM当时的预测精度比其他机器学习方法,即为生物和摘要,与之前的基准测试结果的神经网络(NN)吴作栋使用相关系数( R),平均绝对误差(MAE)和均方根误差(RMSE)。比较表明,ST-LSSVM表现比回归模型,摘要,和神经网络 R、RMSE和梅。这种综合评价证实了功能混合方法SOS和回归模型建模的准确的摩擦能力驱动桩在粘土。它是一个可靠和健壮的援助工具在帮助所有岩土工程师估计摩擦桩承载力。SN - 1687 - 8086 UR - https://doi.org/10.1155/2018/6490169 - 10.1155 / 2018/6490169摩根富林明土木工程的进步PB - Hindawi KW - ER