用于Sand中单桩基础p-y曲线的可解释机器学习模型
机器学习
2025-01-14 v1 软凝聚态物质
摘要
预测侧向桩反应具有挑战性，由于桩土相互作用的复杂性。机器学习(ML)技术因其在非线性分析和预测方面的有效性而受到广泛关注。本研究开发了一个用于预测单桩基础p-y曲线的可解释ML模型。使用来自现有研究的数据库训练了XGBoost模型。结果表明，该模型实现了卓越的预测精度。采用Shapley可加解释(SHAP)来增强可解释性。对于每个变量的SHAP值分布显示出与关于影响桩基侧向反应因素的已建立理论知识高度一致。
引用
@article{arxiv.2501.06232,
title = {An Interpretable ML-based Model for Predicting p-y Curves of Monopile Foundations in Sand},
author = {Biao Li and Qing-Kai Song and Wen-Gang Qi and Fu-Ping Gao},
journal= {arXiv preprint arXiv:2501.06232},
year = {2025}
}