基于机器学习的圆柱桥墩局部冲刷深度预测方法对比研究

摘要

准确预测桥墩局部冲刷深度对保障桥梁基础稳定具有十分重要的意义,然而常用的局部冲刷经验公式在预测桥墩局部冲刷深度的准确性和稳定性方面仍存在较多问题。随着人工智能算法的发展,机器学习在预测桥墩冲刷方面表现良好。为评估众多基础局部冲刷预测方法的可靠性与适用性,本文对比研究基于机器学习的圆柱桥墩局部冲刷深度预测方法。首先,介绍BP神经网络、RBF神经网络和支持向量机3种机器学习算法的理论基础和算法特点;其次基于已发表文献中的140组圆柱桥墩局部冲刷深度试验数据,分别构建基于上述机器学习算法的圆柱桥墩局部冲刷深度预测模型;最后应用上述构建的3种机器学习预测算法和6种常用的桥墩局部冲刷经验计算公式分别预测其余60组试验冲刷深度,并采用±25%误差线、均方误差和皮尔逊相关系数评估上述方法预测结果的准确性和稳定性。通过对比试验冲刷深度与预测冲刷深度发现,机器学习算法能够较好根据已有试验数据进行圆柱桥墩局部冲刷深度预测;相比经验公式,机器学习算法在局部冲刷深度预测方面具有更高的准确性和稳定性;BP神经网络的局部冲刷深度预测精度较高,支持向量机的局部冲刷深度预测稳定性较优。