基于机器学习的粗粒土振动压实频率预测研究

为确定路基填料压实的最优振动频率,实现对其智能预测的目的。采用振动压实试验和锤击模态法确定不同压实度填料的固有频率,基于填料最大干密度、动刚度揭示了固有频率与最优振动频率的相关性;建立了填料特征与最优振动频率之间的关系,提出了最优振动频率的主控特征参数;构建了以主控特征参数为基础的机器学习预测模型,并采用双层次评价方法优化了预测模型。研究结果表明：振动频率为固有频率时,最大干密度最大、动刚度呈现最佳状态;影响最优振动频率的主控特征为填料最大粒径、级配参数、粗骨料的针片状颗粒含量以及洛杉矶磨耗;在预测模型对比分析中认为神经网络模型ANN的拟合优度最优,可将其作为最优振动频率预测的核心模型。研究成果可为确定路基填料压实的最优振动频率提供新方法,并对路基智能化施工提供理论指导与支撑。