|
|
|
|
|
fes 文章概览：基于多种机器学习算法对比的岩石单轴抗压强度预测 |
|
|
论文标题：
期刊：
作者：tao wen, decheng li, yankun wang , mingyi hu , ruixuan tang
发表时间：21 jul 2023
doi：
微信链接：
原文标题
machine learning methods for predicting the uniaxial compressive strength of the rocks: a comparative study
阅读原文
作者
tao wen, decheng li, yankun wang, mingyi hu, ruixuan tang
文章概览
岩石的单轴抗压强度（ucs）是评价工程岩体力学性质和构建工程岩体分类系统的关键指标。在实验室环境中确定ucs最常用的方法既昂贵又耗时。因此，可以使用基于几个简单实验室测试的间接测定方法来估计ucs，包括点荷载强度、岩石密度、纵波速度、巴西抗拉强度、施密特硬度和肖氏硬度。在本研究中，使用三种非线性组合模型，即反向传播（bp）、粒子群优化（pso）和最小二乘支持向量机（lssvm），利用不同岩石类型的六组指标数据集来预测ucs。此外，基于四个性能预测指标，对最佳预测模型进行了检验和选择。结果表明，pso–lssvm模型比其他两个模型更成功，因为它具有更高的性能。六个数据集的预测ucs与测量ucs的比值分别为0.954、0.982、0.9911、0.9956、0.9995和0.993。当预测比率接近大约1的值时，结果更合理。
fig.3 key differences of the three models.
《前沿》系列英文学术期刊
由教育部主管、高等教育出版社主办的《前沿》（frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被sci收录，其他也被a&hci、ei、medline或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。
中国学术前沿期刊网
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负米乐app官网下载的版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
