Resumen

Esta investigación presenta una novedosa técnica de predicción híbrida, a saber, la máquina de vectores de soporte de mínimos cuadrados auto-ajustable (ST-LSSVM), para modelar con precisión la capacidad de fricción de pilotes en suelo cohesivo. El enfoque híbrido utiliza LS-SVM como un predictor basado en aprendizaje supervisado para construir una relación precisa de entrada-salida del conjunto de datos y el método SOS para optimizar los parámetros de la LS-SVM. La evaluación e investigación del ST-LSSVM se llevaron a cabo en 45 datos de entrenamiento y 20 datos de prueba de pruebas de carga de pilotes impulsados que se recopilaron de estudios anteriores. La precisión de predicción del ST-LSSVM se comparó luego con otros métodos de aprendizaje automático, a saber, LS-SVM y BPNN, y se comparó con los resultados anteriores de la red neuronal (NN) de Goh utilizando el coeficiente de correlación (), el error absoluto medio (MAE) y el error cuadrático

• Materias:Etringita Microestructura Ingeniería portuaria Método estocástico Conductividad hidráulica
• Subjects:Ettringite Microstructure Port engineering Stochastic method Hydraulic conductivity
• Palabras claves:Novedoso; Técnica de predicción híbrida; Máquina de vectores de soporte de mínimos cuadrados autoajustable; Capacidad de fricción; Pilotes de impulsión; Suelo cohesivo
• Keywords:Novel; Hybrid prediction technique; Self-tuning least squares support vector machine; Friction capacity; Driven piles; Cohesive soil