基于粒子群优化和随机森林的最优含水率与最大干密度的预测模型

土体压实可以通过外力迫使土颗粒压密来增大土体密实度,从而改善土体的力学性能.因此,土体压实参数的确定对于土工结构有着重要影响.本文采用基于粒子群优化的随机森林模型对最优含水率(wopt)和最大干密度(ρdmax)进行了预测.首先,利用灰色关联度算法计算最优含水率和最大干密度与特征变量(含砾量,砂含量,细粉含量,液限,塑限,压实能量,和土体类型)之间的相关性,进行特征选择,得到其对应的随机森林预测模型.然后,利用粒子群优化算法确定随机森林模型的最优超参数,并获取模型的适应值.最后,对模型进行10折交叉验证训练,并在测试集上测试模型结果.结果表明,基于所有特征的预测模型效果更优,且最大干密度的预测效果优于最优含水率的预测.

Prediction Model of Optimal Moisture Content and Maximum Dry Density Based on Parti-cle Swarm Optimization and Random Forest