基于自动机器学习方法的土壤压实参数预测
人工智能
2025-12-10 v1
摘要
土壤压实是建筑工程中的关键环节，旨在确保道路填埋场和土坝等结构的稳定性。传统方法确定最佳含水量（OMC）和最大干密度（MDD）都涉及耗时的实验室实验，且经验回归模型在不同土壤类型上的适用性和准确性有限。近年来，人工智能（AI）和机器学习（ML）技术作为预测这些压实参数的替代方法逐渐出现。然而，机器学习模型在处理代表各种土壤类型的异构数据集时往往难以实现高准确率和良好的可推广性。本研究提出了一种自动机器学习（AutoML）方法，用于预测OMC和MDD。AutoML自动化算法选择和超参数优化，可能提高准确率和可扩展性。通过大量实验，研究发现极端梯度提升（XGBoost）算法性能最佳，在独立数据集上分别实现了80.4%和89.1%的R平方值。这些结果表明AutoML在预测不同土壤类型的压实参数方面具有有效性。该研究还强调了在提高机器学习模型的概化能力和性能方面，异构数据集的重要性。最终，本研究通过增强对土壤压实参数的预测，为更高效和可靠的建筑实践作出了贡献。
引用
@article{arxiv.2512.08343,
title = {Soil Compaction Parameters Prediction Based on Automated Machine Learning Approach},
author = {Caner Erden and Alparslan Serhat Demir and Abdullah Hulusi Kokcam and Talas Fikret Kurnaz and Ugur Dagdeviren},
journal= {arXiv preprint arXiv:2512.08343},
year = {2025}
}
备注
Presented at the 13th International Symposium on Intelligent Manufacturing and Service Systems, Duzce, Turkey, Sep 25-27, 2025. Also available on Zenodo: DOI 10.5281/zenodo.17533851