利用机器学习和MATLAB工具对粘土土壤中的桩筏基础进行实验性和预测性分析

《Scientific Reports》：Experimental and predictive analysis of pile raft foundation in clayey soils using machine learning and MATLAB tools

　　

摘要

本研究展示了在印度南部四个地区采集的各种粘土土壤中，桩筏基础的性能。对12个不同土壤样本进行了全面的物理、化学、矿物学和岩土工程特性分析。测试结果显示，这些土壤的粘土含量为54%至70%，主要含有蒙脱石矿物，导致抗剪强度（FSI）值介于75%至200%之间，干密度则在13.5至16.9克/立方厘米之间。实验中采用了不同的桩筏配置进行加载测试，包括无桩（R）、4桩（R4）、6桩（R6）和9桩（R9）筏型结构。通过这些测试数据，计算了与标准浅基础相比的荷载分担比（LSR）和沉降减小比（SRR）。随着桩数从R4增加到R9，荷载分担比提高了64%，沉降值减少了75%。研究人员开发了机器学习（ML）模型，根据粘土含量、土壤类型、自由膨胀指数（FSI）和最大干密度（MDD）等参数来预测LSR和SRR。训练有素的ML模型能够以超过90%的准确率预测12桩（R12）、15桩（R15）、18桩（R18）和21桩（R21）等更高配置下的LSR和SRR。最后，通过MATLAB将实验数据得到的ML模型预测结果与实际测量值进行了对比，验证过程确认了ML模型在所有情况下的预测精度均高于95%。本研究为在多种粘土土壤中经济高效地设计桩筏基础提供了重要参考。