导热系数是衡量材料传热能力的重要参数。为了提高非饱和冻土导热系数的预测精度，基于最小热阻力法则和均匀化方法，提出了一种非饱和冻土的导热系数预测模型，然后利用既有实验数据对模型有效性进行验证，并通过Sobol指数敏感性分析方法评估了土质、孔隙率、饱和度和水分转化系数对导热系数的影响程度。结果表明，新模型可有效反映冻土导热系数变化规律，其预测值与实测值的偏差仅为2%。当孔隙率由0.8减小到0.2时，导热系数增大约50%；随着饱和度从20%增加到80%、水分转化系数从0.2增加到0.8，导热系数分别增大了56%和32%。饱和度对导热系数的直接影响最大，孔隙率次之，水分转化系数和土质类型的影响较小。研究成果可为高寒地区热工计算提供准确的计算参数，实现冻土工程温度场的有效评估。
导热系数是衡量材料传热能力的重要参数。为了提高非饱和冻土导热系数的预测精度，基于最小热阻力法则和均匀化方法，提出了一种非饱和冻土的导热系数预测模型，然后利用既有实验数据对模型有效性进行验证，并通过Sobol指数敏感性分析方法评估了土质、孔隙率、饱和度和水分转化系数对导热系数的影响程度。结果表明，新模型可有效反映冻土导热系数变化规律，其预测值与实测值的偏差仅为2%。当孔隙率由0.8减小到0.2时，导热系数增大约50%；随着饱和度从20%增加到80%、水分转化系数从0.2增加到0.8，导热系数分别增大了56%和32%。饱和度对导热系数的直接影响最大，孔隙率次之，水分转化系数和土质类型的影响较小。研究成果可为高寒地区热工计算提供准确的计算参数，实现冻土工程温度场的有效评估。
导热系数是衡量材料传热能力的重要参数。为了提高非饱和冻土导热系数的预测精度，基于最小热阻力法则和均匀化方法，提出了一种非饱和冻土的导热系数预测模型，然后利用既有实验数据对模型有效性进行验证，并通过Sobol指数敏感性分析方法评估了土质、孔隙率、饱和度和水分转化系数对导热系数的影响程度。结果表明，新模型可有效反映冻土导热系数变化规律，其预测值与实测值的偏差仅为2%。当孔隙率由0.8减小到0.2时，导热系数增大约50%；随着饱和度从20%增加到80%、水分转化系数从0.2增加到0.8，导热系数分别增大了56%和32%。饱和度对导热系数的直接影响最大，孔隙率次之，水分转化系数和土质类型的影响较小。研究成果可为高寒地区热工计算提供准确的计算参数，实现冻土工程温度场的有效评估。
导热系数是衡量材料传热能力的重要参数。为了提高非饱和冻土导热系数的预测精度，基于最小热阻力法则和均匀化方法，提出了一种非饱和冻土的导热系数预测模型，然后利用既有实验数据对模型有效性进行验证，并通过Sobol指数敏感性分析方法评估了土质、孔隙率、饱和度和水分转化系数对导热系数的影响程度。结果表明，新模型可有效反映冻土导热系数变化规律，其预测值与实测值的偏差仅为2%。当孔隙率由0.8减小到0.2时，导热系数增大约50%；随着饱和度从20%增加到80%、水分转化系数从0.2增加到0.8，导热系数分别增大了56%和32%。饱和度对导热系数的直接影响最大，孔隙率次之，水分转化系数和土质类型的影响较小。研究成果可为高寒地区热工计算提供准确的计算参数，实现冻土工程温度场的有效评估。
导热系数是衡量材料传热能力的重要参数。为了提高非饱和冻土导热系数的预测精度，基于最小热阻力法则和均匀化方法，提出了一种非饱和冻土的导热系数预测模型，然后利用既有实验数据对模型有效性进行验证，并通过Sobol指数敏感性分析方法评估了土质、孔隙率、饱和度和水分转化系数对导热系数的影响程度。结果表明，新模型可有效反映冻土导热系数变化规律，其预测值与实测值的偏差仅为2%。当孔隙率由0.8减小到0.2时，导热系数增大约50%；随着饱和度从20%增加到80%、水分转化系数从0.2增加到0.8，导热系数分别增大了56%和32%。饱和度对导热系数的直接影响最大，孔隙率次之，水分转化系数和土质类型的影响较小。研究成果可为高寒地区热工计算提供准确的计算参数，实现冻土工程温度场的有效评估。
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...