.png){kind=icon}
返回
Optimize Geogrid Reinforced Foundation Using Multivariate Adaptive Regression Splines Model and Multi-Objective Genetic Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s40515-025-00744-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种优化带包裹端土工格栅的加筋技术的新方法，用于加固位于无粘性砂床上的条形基础。所提出的方法基于多变量自适应回归样条（MARS）模型和多种群遗传算法（MOGA），用于识别最优土工格栅参数。MARS被用于获取与土工格栅安装相关的输入参数以及包括极限承载力和沉降比在内的输出参数之间的相关函数。土工格栅的输入参数包括轴向弹性刚度、加筋的归一化宽度、第一层的归一化深度、相邻层之间的归一化垂直间距、包裹端的归一化垂直长度以及包裹端的归一化搭接长度。MOGA被用于满足优化条件和约束条件。MOGA结果表明，该方法提出的土工格栅参数能够有效最大化承载力、最小化沉降并最小化加筋成本。
Keyword:
Optimization
Reinforcement
Geogrids
MARS
MOGA
期刊
IF:
2.3
论文数:
522
被引数:
784
机构
引用论文
Undrained Stability of Twin Circular Tunnels in Anisotropic and Nonhomogeneous Clays: FELA and Machine Learning各向异性及非均质黏土中双圆形隧道的完全不排水稳定性：FELA与机器学习
PREAI
分享收藏A study on bearing capacity of randomly distributed fiber-reinforced sand fills overlying soft clay
PREAI
分享收藏The Application of Unsupervised Machine Learning Technique for the Evaluation of Physical Properties of Geosynthetics无监督机器学习技术在土工合成材料物理性能评价中的应用.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Application of Geocell Track Substructure Support System to Correct Surface Degradation Problems Under High-Speed Passenger Railroad OperationsGeocell轨道下部结构支撑系统在高速度客运铁路运营下纠正表面退化问题的应用
PREAI
分享收藏
查看更多内容