今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

对浸水和未浸泡的加州承载比(California bearing ratio)进行预测建模,研究对象包括粗粒和细粒土壤:采用XGBoost与人工神经网络(ANN)架构的对比研究

《Scientific Reports》:Predictive modeling of soaked and unsoaked California bearing ratio for coarse and fine-grained soils: a comparative study using XGBoost and ANN architectures

【字体: 大 中 小 】 时间:2026年08月28日 来源:Scientific Reports 4.9

编辑推荐:

  摘要加州承载比是路面设计中的一个重要参数,但传统的实验室测试成本高昂且耗时较长。本研究通过利用人工神经网络和极端梯度提升(Extreme Gradient Boosting)开发先进的数据驱动框架,解决了简化经验模型的局限性。通过使用全面的土壤样本数据集,该研究能够根据标准土壤指

  

摘要

加州承载比是路面设计中的一个重要参数,但传统的实验室测试成本高昂且耗时较长。本研究通过利用人工神经网络和极端梯度提升(Extreme Gradient Boosting)开发先进的数据驱动框架,解决了简化经验模型的局限性。通过使用全面的土壤样本数据集,该研究能够根据标准土壤指标参数和压实参数,预测细粒土和粗粒土在湿润和非湿润条件下的承载能力。结果表明,极端梯度提升模型的性能明显优于神经网络:对于细粒土,该模型的决定系数为0.972,均方误差为1.78;而神经网络的相应数值分别为0.600和21.82。对于粗粒土,极端梯度提升模型的相关系数高达0.976,其误差仅为神经网络的一半。通过分别分析不同土组并运用集成学习方法,本研究提供了一种精确且计算效率高的 subgrade 强度预估工具。这些发现为劳动密集型测试提供了可靠的替代方案,有助于实现更高效、更具成本效益的道路基础设施设计。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:加州承载比|极端梯度提升|路面设计|数据驱动|路基强度|细粒土

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号