Assessment of Ultimate Bearing Capacity Using Hybrid Gaussian Process Regression Approach
Notice bibliographique
Résumé
This article introduces an innovative approach to predicting the ultimate bearing capacity Qu using Gaussian Process Regression (GPR) analysis. The research establishes a robust connection between Qu and crucial natural soil attributes, as well as the quantity of stabilizing additives, using GPR models. Specific GPR prediction models are meticulously crafted to ensure precise Qu estimations, addressing the complexities inherent in soil stabilization processes. To bolster the accuracy of these models, two meta-heuristic algorithms, Prairie Dog Optimization (PDO) and Dynamic Arithmetic Optimization Algorithm (DAOA), are seamlessly integrated into the study. These algorithms verify the models by analyzing Qu samples from different soil types collected during previous stabilization tests. The study presents three distinct predictive frameworks: the GPR–PDO model (GPPD), the GPR–DAOA model (GPDA), and a standalone GPR model, each providing valuable insights for precise Qu prediction under diverse soil conditions. Among these, the GPAS model emerges as a standout performer, achieving an impressive R² value of 0.996 and an exceptionally low RMSE value of 658.99, demonstrating superior predictive capability. The findings highlight the model's accuracy, robustness, and practical relevance for forecasting soil stabilization outcomes in engineering applications. This integrated approach not only provides reliable predictions for Qu but also emphasizes the role of meta-heuristic algorithms in improving model performance. By offering a precise, efficient, and adaptable methodology, the study presents significant implications for the construction industry, enabling engineers and designers to optimize soil stabilization strategies, reduce risk, and enhance overall project safety and cost-effectiveness. The combination of GPR modeling with advanced optimization techniques represents a forward step toward intelligent, data-driven geotechnical engineering practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».