基于深度卷积网络混合LSSVM算法的路基粉土抗剪强度指标预测

来源：中国血液净化杂志2025年第5期北京时间：

作者：王钰轲, 冯爽, 万愉快, 钟燕辉

单位：1. 郑州大学　水利与交通学院，河南　郑州　450001","2. 宁夏大学　土木与水利工程学院，宁夏　银川　750021

摘要：<p>目前基于人工智能方法预测路基粉土的抗剪强度与其物理参数之间关系的研究相对较少，且现阶段粉土抗剪强度指标的预测模型多采用的是传统的机器学习算法，预测精度及效率尚未达到理想水平。搜集了不同地区粉土常用的10个物理参数及其抗剪强度指标构成数据库，并对该数据库进行iForest异常值检测和相关性分析等数据预处理工作。采用随机森林算法分析不同物理指标对粉土抗剪强度的影响程度，计算其重要性分数。提出了一种融合深度卷积神经网络与LSSVM算法的路基粉土抗剪强度指标预测模型，该模型结合深度学习的特征提取能力与支持向量机优越的泛化能力，弥补单一卷积神经网络的不足，提高了粉土抗剪强度指标预测的效率和精度。将该混合模型的预测效果与SVM、ELM、RBF、CNN、GA-BP等5个传统的机器学习模型进行对比，分析混合模型的鲁棒性和泛化能力。结果表明：对粉土抗剪强度影响较大的物理参数是法向应力、含水率和干密度，影响较小的物理参数是不均匀系数、曲率系数和比重。基于深度卷积神经网络与LSSVM混合算法建立的粉土抗剪强度指标预测模型，其预测内摩擦角和黏聚力的测试集<i>R</i>²可分别达到0.93、0.83，RMSE分别为2.62、12.73，与其他5个传统的机器学习算法对比表明：提出的混合算法较单一算法拥有更好的泛化能力及预测精度。</p>

关键词：路基工程,抗剪强度指标预测,CNN-LSSVM,粉土,异常值检测,混合算法