基于高斯过程机器学习方法的隧道围岩分类模型

针对现有围岩分类方法的局限性,基于工程实例,利用分类性能优异的高斯过程机器学习模型建立围岩类别与其主要影响因素之间的非线性映射关系,进而提出一种基于高斯过程的隧道围岩分类模型,实现不同情况下围岩分类的合理识别.将该模型应用于川藏公路二郎山隧道围岩分类,研究结果表明,隧道围岩分类的高斯过程机器学习模型是科学可行的,与人工神经网络模型、支持向量机模型相比较,该模型具有参数自适应化的优点,能方便快捷地给出合理可靠且具有概率意义的围岩分类评价结果,可对围岩分类结果的不确定性或可信度进行定量化评价.     

三维夹层映射无限元

提出三维10结点映射夹层无限元模型及相应模式。在半无限区域的岩土工程中,用此单元与夹层有限单元耦合系统模拟无限区域的软弱夹层,与常规的有限元法相比,取较小的计算范围,就能得到较高的计算精度。采用此模型,将节省大量的数据准备工作量和机时,具有显著的经济性。此模型还具有概念清晰,编制程序简单,易于在微机上实现的特点。通过赋存软弱夹层的半无限地基在法向荷载作用下的算例分析,表明此模型具有的优越性。     

高斯过程机器学习在膨胀土等级分类中的应用

提出一种基于二元分类高斯过程的膨胀土等级分类的新模型,用于实际工程的效果表明,该模型能很好地表达膨胀土等级与其判别因素之间的非线性映射关系,显示出较强的适用性。