同济大学学报(自然科学版)

作者：莫品强，林浩东，胡静，高柳，庄培芝

单位：1.中国矿业大学 深地工程智能建造与健康运维全国重点实验室，江苏 徐州 221116;2.中国矿业大学 深圳研究院，广东 深圳 518057;3.中国电建集团 成都勘测设计研究院有限公司，四川 成都 610072;4.山东大学 齐鲁交通学院，山东 济南 250002

关键词：静力触探,打入桩承载力,机器学习,降维算法,极限梯度提升算法

基金：国家自然科学基金（51908546，52178374）；中国矿业大学未来科学家计划（2022WLJCRCZL042）；广东省自然科学基金（2024A1515011552）；江苏省科技计划（BK20242090）

分析了单桩承载力的主要影响因素，利用降维算法对静力触探数据进行预处理，使用树模型的重要性分析函数筛选主要特征，由贝叶斯优化算法确定超参数，提出了一种基于机器学习算法的打入桩竖向承载力预测模型。经过准度测试、蒙特卡洛模拟检验及与经验关系模型的对比，对预测模型的有效性和鲁棒性进行了评估。结果表明，支持向量机（SVM）模型、随机森林（RF）模型、极限梯度提升算法（XGBoost）模型均能较准确地预测打入桩竖向承载力，且准确性显著高于经验关系模型。根据综合分析结果，建议选择XGBoost模型用于打入桩竖向承载力的预测。

来源：2025年第2期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第2期