基于LightGBM算法的海洋土压缩参数预测模型.pdf

第52卷第1期浙江工业大学学报Vol.52No.1

2024年2月JOURNALOFZHEJIANGUNIVERSITYOFTECHNOLOGYFeb.2024

基于LightGBM算法的海洋土压缩参数预测模型

汪明元1？，王振红？，陈松庭

（1.浙江华东建设工程有限公司，浙江杭州310014；2.中国电建集团华东勘测设计研究院有限公司，

浙江杭州311122；3.浙江工业大学土木工程学院，浙江杭州310023)

摘要：近年来海洋工程项目不断增多，海洋岩土参数的确定对于保证工程安全性、提高经济效益有

重要意义。目前主要通过室内与原位试验对土体参数进行研究，存在着成本高、效率低的问题。以

某海上风电场项目勘察中所获取的海洋土压缩系数a、和压缩模量E。为研究对象，选取样底深度、

含水率、湿密度、土粒相对密度和液塑限等为基本变量，利用机器学习算法研究各类参数的相互关

系和规律。构建一种基于LightGBM(Lightgradientboostingmachine)算法的土体压缩参数预测

模型，通过k折交叉验证方法及贝叶斯优化改善预测性能。研究结果表明：笔者模型能够有效预测

土体压缩参数，k折交叉验证方法及贝叶斯超参数优化能够提高预测准确度。此外，分析了k折次

数、人工特征、数据集大小、预测量与输入特征相关性等因素对模型准确性的影响。

关键词：海洋土；参数估计；LightGBM模型；贝叶斯调参

中图分类号：TU43文献标志码：A

PredictionofmarinesoilcompressibilitybasedonLightGBMalgorithm

WANGMingyuan2,WANGZhenhongl,CHENSongting

(1.ZhejangHuadongConstructionEngineeringCo.,Ltd.,Hangzhou310014,China;2.PowerChinaHuadongEngineeringCo.,Ltd..

Hangzhou311122,China;3.CollegeofCivilEngineering,ZhejiangUniversityofTechnology,Hangzhou310023,China)

Abstract:Thenumberofmarineengineeringprojectshasbeenincreasinginrecentyears,andthe

determinationofmarinegeotechnicalparametersisofgreatsignificancetoensureprojectsafety

andtosavecosts.Thesoilparametershavetobemeasuredbyfieldandindoortests,whichis

timeandcostconsuming.Inthispaper,thecompressioncoefficientavandthecompression

modulusE,ofmarinesoilarestudied,whichareobtainedfromthesurveyofanoffshorewind

farmproject.Someparametersarechosenasthebasicvariables,includingthesampledepth,the

moisturecontent,thewetdensity,thesoilparticlespecificgravity,andtheliquidplasticlimit.A

machinelearningalgorithm