基于主成分分析法优化神经网络的滆湖组黏性土抗剪强度预测

摘要：

为了研究苏锡常地区滆湖组黏性土抗剪强度特性,建立抗剪强度参数预测模型;以研究区 711 组滆湖组黏性土物理力学试验数据为载体,运用主成分分析(principal component analysis,PCA)方法,从样本11 个指标中提取影响目标变量的主成分;将其作为反向传播神经网络(back propagation neural network,BPNN)模型的输入层,建立基于PCA-BPNN算法的滆湖组黏性土抗剪强度预测模型.结果表明:当主成分数量为3 时,主成分累计贡献率达93.4%;第一、二主成分贡献率分别为52.1%和36.6%;PCA算法即保留了样本大部分信息,又实现了对多维变量的降维.第一主成分可归纳为土体孔隙特性,与黏聚力和内摩擦角均呈负相关关系;第二主成分可归纳为土体水稳性,与黏聚力和内摩擦角均呈正相关关系;土体孔隙特性越显著,水稳性越弱,抗剪强度越低.建立了滆湖组黏性土抗剪强度参数PCA-BPNN预测模型,模型抗剪强度拟合优度为 0.85,内摩擦角拟合优度为0.72;模型可靠性总体较高.可见PCA-BPNN预测模型即可降低解释变量间的多重共线性,简化了模型,又能够提升模型的泛化能力;为运用数学方法研究土体工程地质参数提供了参考.

关键词：主成分分析(PCA)、反向传播神经网络(BPNN)、滆湖组黏性土、抗剪强度、预测模型

所属期刊栏目：23

分类号：P642.11+6(水文地质学与工程地质学)

资助基金：中国地质调查局项目;江苏省自然资源厅地勘基金;江苏省自然资源厅科技项目;江苏省自然资源保护利用专项

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：11980-11989