期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于粗颗粒嵌锁点高铁级配碎石振动压实质量控制新方法
1
作者 邓志兴 谢康 +3 位作者 李泰灃 王武斌 郝哲睿 李佳珅 《岩土力学》 EI CAS CSCD 北大核心 2024年第6期1835-1849,共15页
为解决基于干密度评估压实质量所存在的压实时间不定、评价指标单一等问题,提出了一种基于粗颗粒嵌锁点的高铁级配碎石(high-speed railway graded aggregate,简称HRGA)振动压实控制新方法。首先,结合力学指标动刚度Krb和修正地基系数K2... 为解决基于干密度评估压实质量所存在的压实时间不定、评价指标单一等问题,提出了一种基于粗颗粒嵌锁点的高铁级配碎石(high-speed railway graded aggregate,简称HRGA)振动压实控制新方法。首先,结合力学指标动刚度Krb和修正地基系数K20完善振动压实评估体系,进一步提出了压实控制嵌锁点Tlp指标,并通过室内试验研究了Tlp前后级配碎石的力学性能及适用性;其次,通过振动压实试验建立了Tlp与HRGA的各项性能指标之间的关系,并结合灰色关联度分析(grey relation analysis,简称GRA)算法分析了Tlp的主控特征;最后,基于机器学习(machine learning,简称ML)方法提出了Tlp预测模型,结合三层次优选体系选择最佳Tlp预测模型,并利用SHapley Additive ex Planations(SHAP)可解释性方法对最佳ML模型进行了解释。结果表明:基于Tlp可确定最优振动时间,进而控制压实质量;基于GRA算法明确Tlp的主控特征为填料最大粒径dmax、级配参数b、级配参数m、扁平细长颗粒Qe和洛杉矶磨耗LAA;计算各Tlp预测模型的综合评价指标(comprehensive evaluation index,简称CEI)依次为改进粒子群优化的人工神经网络(artificial neural networks for improved particle swarm optimization,简称IPSO-ANN)模型>改进粒子群优化的支持向量回归(support vector regression for improved particle swarm optimization,简称IPSO-SVR)模型>改进粒子群优化的随机森林(random forest for improved particle swarm optimization,简称IPSO-RF)模型,IPSO-ANN模型最佳;基于SHAP方法得到总体重要性值φ排序为dmax(17.31)>b(13.93)>m(6.59)>Qe(2.17)>LAA(1.54),该结果与GRA算法的结果相印证,表明SHAP方法可提升ML模型的可理解性。该研究成果可为振动压实的质量评估提供新思路,也为振动压实智能化控制提供强有力的理论支撑。 展开更多
关键词 振动压实 高铁级配碎石 最优振动时间 主控特征 机器学习 可解释性
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部