基于机器学习的深基坑支护结构设计与稳定性分析研究

邵春鹏

(中铁十八局集团建筑安装工程有限公司，天津 300308)

摘　要：　钢支撑轴力伺服系统在深基坑工程中的应用尚未广泛普及，现场实测数据也尤为匮乏。基于2 212个实测数据点，采用5种机器学习方法(径向基函数神经网络、反向传播神经网络、K最近邻算法、支持向量机和随机森林)开展分析，数据集包含1个输出参数(支撑轴力)及7个输入参数(支撑竖向位置、支撑平面位置、时间、温度、土体重度、黏聚力和内摩擦角)。通过均方根误差、相关系数和平均绝对误差3项指标评估模型性能，结果表明在测试集上，反向传播神经网络表现最优，其均方根误差、相关系数和平均绝对误差分别为71.8 kN、0.991 8和56.2 kN。这一结果证实了机器学习方法在深基坑工程支撑轴力精确预测中的潜力，可为工程安全控制与施工规划提供有效支持，对保障深基坑工程的安全性与稳定性至关重要。

关键词：　深基坑开挖; 钢支撑结构; 支撑轴力; 机器学习; 时间; 温度

引文格式： 邵春鹏. 基于机器学习的深基坑支护结构设计与稳定性分析研究[J]. 市政技术，2025，43(12)：82-91. (SHAO C P. Study on the structures design and stability analysis of deep foundation pit support by machine learning methods[J]. Journal of municipal technology，2025，43(12)：82-91.)