Geosci. Front. | 基于机器学习的振动沉桩孔隙水压力累积预测建模

背景：在海岸桥梁、码头等大型基础设施项目中，准确理解饱和砂土中深桩的力学行为至关重要。研究目的：本研究旨在通过结合Midas GTS NX有限元模拟与UBCSAND本构模型，建立振动沉桩三维数值模型，并利用其数据训练人工神经网络和符号回归模型，以预测沉桩过程中的孔隙水压力累积和土体液化潜势。结论：研究验证了数值模型的有效性，并通过机器学习模型提供了高精度的液化预测。特征重要性分析（如SHAP值）增强了模型可解释性，揭示了振动次数、桩长径比等关键因素的影响。最终生成的设计图表为工程实践中的液化风险评估提供了实用指导，并建议采用较低振动频率和较大长径比桩以降低液化风险。