基于人工智能算法预测土体导热系数

摘要

导热系数是土体热力学特征的基本参数，也是岩土工程热工计算的重要参数之一。它受土体骨架、矿物成分和饱和度等因素的影响。对土体导热系数的影响因素进行分析，采用各种先进的人工智能算法来研究土体的传热机理，并建立预测模型。预测模型通过相关系数R~2、均方根误差RMSE、绝对平均误差MAE和方差比VAF进行检验，对误差进行统计分析，并对预测模型的稳健性进行分析，预测模型与传统的经验关系模型进行对比分析。结果表明：人工神经网络（ANN）模型、基于自适应神经网络的模糊推理系统（ANFIS）模型和支持向量机（SVM）模型都准确的预测出土体的导热系数，相关系数R~2大于0.9，均方根误差RMSE小于0.2(W·m-1·K-1)，绝对平均误差MAE小于0.13(W·m-1·K-1)，方差比VAF大于90%。提出的预测模型精度显著高于传统经验关系模型。根据误差统计和稳健性分析结果，建议土体导热系数的预测计算优先使用ANN模型和SVM模型。