基于PCA-RVM的静压管桩单桩极限承载力预测

• 作者: 邝贺伟 张研 景小青
• 来源期刊: 结构工程师
• 关键词: 主成分分析 相关向量机 静压管桩 单桩极限承载力 预测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 地基基础|Foundation
• 页码范围: 151-158
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1005-0159.2021.03.020

摘要

为解决静压管桩单桩极限承载力难以获取的难题,提出一种基于主成分分析(Principal Component Analysis,PCA)的相关向量机(Relevance Vector Machine,RVM)静压管桩单桩极限承载力预测方法.通过PCA将13个静压管桩常规影响因素降维成6个独立变量,借助RVM模型建立独立变量与极限承载力之间的非线性映射关系,能够对仅知道影响因素的新样本进行精准预测.采用PCA-RVM方法进行预测并与BP神经网络模型对比,结果表明:PCA-RVM预测模型通过分析各因素的相关性与贡献率,将13个影响因素合理转化为6个独立变量,在信息筛选方面明显优于BP神经网络模型.在承载力预测结果的相对误差及均方差方面,PCA-RVM预测模型均占据极大优势.可见PCA-RVM模型具有精度高、离散性小等优点,为静压管桩单桩极限承载力预测开辟了一种新方法.