Investigation of Full-Process Settlement Behavior and Prediction Models for Long-Short Pile Composite Foundations
本文提出了一种结合经验模型（Weibull 和修正 Poisson 模型）与智能算法（EMD 和 LS-SVM）的混合预测模型，旨在准确表征长短桩复合地基的“S型”沉降演化过程，并预测全过程沉降，该模型已通过首尔公园项目得到了验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在一个正在缓慢下沉的海滩上建造一座巨大的沙堡。你不仅想知道现在的坑有多深，还想确切知道明天、下个月以及明年它会下沉多少。这对于在软弱地基上建造摩天大楼的工程师来说，是每天都要面对的挑战。他们使用特殊的“复合地基”，这就像是一组打入泥土中的长短木桩组成的团队，用以支撑起建筑。但地面的下沉并不是呈直线进行的；它的表现就像一个生命体，会对建筑物的重量、降雨以及施工人员的行为做出反应，过程既混乱又难以预测。为了保持建筑物的安全与垂直，工程师需要完美地预测这种沉降行为。如果预测错误，建筑物可能会倾斜或开裂。这篇论文旨在寻找一个最好的“水晶球”，来精确预测这些特殊地基随时间变化的沉降量。
由杨柳（Yang Liu）及其同事领导的研究团队，致力于解决预测这些长短桩复合地基“全过程沉降”（即从开始到结束的总下沉量）的问题。他们深知，简单的数学公式往往难以应对，因为地面的运动非常杂乱，且速度随时间不断变化。为了解决这个问题，他们尝试了三种不同的方法。首先，他们使用了两种经典的数学模型，即 Weibull 模型和 修正泊松模型（Modified Poisson model）。你可以把这想象成试图在一条崎岖不平的徒步路径上拟合出一条平滑的、预设好的曲线。他们发现，虽然这些曲线可以描述沉降的总体“S型”趋势（开始时缓慢，随后加速，最后再次减速），但有时会忽略由施工噪音或突然载荷变化引起的细小波动和起伏。修正泊松模型在适应曲线方面表现稍好，但仍存在局限性。
为了获得真正准确的预测，该团队发明了一种更智能的混合方法，称为 EMD-LS-SVM。他们将沉降数据视为一首由不同乐器同时演奏的复杂乐曲。首先，他们使用一种名为**经验模态分解（EMD）**的技术，将这首“乐曲”分解为各自独立的乐器：低沉缓慢的贝斯音（长期沉降趋势）、中频旋律（楼层的稳步增加）以及高频刺耳的噪音（施工过程中突然产生的震动）。接着，他们使用一种强大的人工智能工具——最小二乘支持向量机（LS-SVM），分别对每种“乐器”的未来进行预测。最后，他们将这些预测结果重新组合在一起。
通过在中国一个住宅项目中的 B27 号楼进行实测，结果显示，这种新的混合方法是明显的获胜者。虽然简单的曲线拟合模型表现尚可，但混合模型的精度极高。它预测 600 天时的最终沉降量为 -27.5430 mm，最大误差仅为 0.4760 mm。这是一个巨大的进步，将旧模型的误差降低了一半以上。这项研究表明，通过将问题分解为更小、更简单的部分，然后再重新组装，工程师可以更清晰地观察地面的行为，从而帮助他们在无需猜测的情况下，确保建筑物的安全与稳定。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。