基于机器学习与特征选择的饱和黏土抗剪切强度预测方法

本申请涉及测试仪器技术领域，公开了基于机器学习与特征选择的饱和黏土抗剪切强度预测方法，包括以下步骤：获取饱和黏土的物性参数及对应的抗剪切强度数据，建立初始数据集；对初始数据集进行数据预处理，得到训练集和验证集；将经过筛选后的训练集和验证集作为输入特征；构建机器学习模型，建立物性参数及对应的抗剪切强度数据的映射关系；利用机器学习模型，预测得到其抗剪切强度值。本发明通过采集饱和黏土的物性参数及对应抗剪切强度数据，利用前馈神经网络算法构建了两者间的高维非线性映射关系。据此，可基于易获取的物性参数实现抗剪切强度的快速、自动化预测，显著提升了预测效率，并突破了传统试验方法耗时耗力的局限。