基于SHAP可解释性机器学习的角钢地锚桩水平承载力预测方法

姜岚; 李林杰; 路静珂; 李汶洁; 王瑞红; 胡安龙

doi:10.12454/j.jsuese.202500705

您当前的位置：

首页 >

文章列表页 >

基于SHAP可解释性机器学习的角钢地锚桩水平承载力预测方法

更新时间：2025-12-08

- 基于SHAP可解释性机器学习的角钢地锚桩水平承载力预测方法
- Prediction of Horizontal Bearing Capacity of Angle Steel Anchor Piles Based on SHAP-Interpretable Machine Learning
- “在输电线路领域，专家提出了基于振动沉桩信号与机器学习的角钢桩水平承载力预测方法，为杆塔架设稳定性与作业安全提供技术支持。”
- 工程科学与技术 2025年页码：1-15
- 作者机构：
  
  1.三峡大学电气与新能源学院，湖北宜昌 443002
  2.湖北省输电线路工程技术研究中心，湖北宜昌 443002
  3.三峡大学土木与建筑学院，湖北宜昌 443002
  4.国网甘肃省电力公司经济技术研究院，兰州 730000
- 作者简介：
  
  姜岚（1960—），男，博士，讲师，主要研究方向为输电线路工程结构振动与控制。E-mail：546201900@qq.com
  胡安龙（1992—），男，硕士，高级工程师，从事电力设备优化设计与电网规划研究。E-mail：505129963@qq.com
- 基金信息：
  
  国家自然科学基金(51979151)
- DOI：10.12454/j.jsuese.202500705
  中图分类号： TU473.1;TP391.9;TM75
- 收稿：2025-09-10，
  
  网络出版：2025-12-08，
- 稿件说明：
移动端阅览
姜岚,李林杰,路静珂等.基于SHAP可解释性机器学习的角钢地锚桩水平承载力预测方法[J].工程科学与技术,

JIANG Lan,LI Linjie,LU Jingke,et al.Prediction of Horizontal Bearing Capacity of Angle Steel Anchor Piles Based on SHAP-Interpretable Machine Learning[J].Advanced Engineering Sciences,
姜岚,李林杰,路静珂等.基于SHAP可解释性机器学习的角钢地锚桩水平承载力预测方法[J].工程科学与技术, DOI：10.12454/j.jsuese.202500705.

JIANG Lan,LI Linjie,LU Jingke,et al.Prediction of Horizontal Bearing Capacity of Angle Steel Anchor Piles Based on SHAP-Interpretable Machine Learning[J].Advanced Engineering Sciences, DOI：10.12454/j.jsuese.202500705.XXXX,XX(XX):1‒15.

浏览量

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

机器学习解析直接空气捕集用固体胺吸附剂的构效关系

基于集成学习方法的汶川震损区崩塌滑坡易发性评价

基于BWO优化VMD和TCN‒BiGRU的短期风电功率预测

不同分级方法对区域滑坡易发性区划的影响

滑坡易发性预测建模的不确定性：不同“非滑坡样本”选择方式的影响

基于SHAP可解释性机器学习的角钢地锚桩水平承载力预测方法

Prediction of Horizontal Bearing Capacity of Angle Steel Anchor Piles Based on SHAP-Interpretable Machine Learning

DOI：10.12454/j.jsuese.202500705