摘要 软计算方法用于创建估计红土加州承载比值的模型。软计算技术是一种寻找可证明的正确和最佳问题解决方案的算法。路面设计中使用的浸泡 CBR 值需要大约 96 小时才能完成测试过程。这可能既耗时又昂贵,因此研究人员需要寻找其他方法来获取它。各种研究都采用了人工智能技术,包括神经网络、遗传算法和支持向量机,来估计 CBR 值。虽然这些方法提供了潜在的好处,但它们也表现出某些缺点,例如对参数设置的敏感性、适应性受限以及难以理解潜在的关系。本研究提出了一种应对这一挑战的新模型,即人工神经网络 (ANN) 及其混合模型 (ANFIS)。从洞穴中采集土壤样本,并对获取的土壤样本进行必要的测试。进行了指数、压实和加州承载比测试。开发了两种机器学习模型,即人工神经网络 (ANN) 和自适应神经模糊推理系统 (ANFIS),用于预测红土的 CBR 值。这些模型在 70% 的数据上进行了训练,并在剩余的 30% 上进行了测试。两种模型都表现出令人满意的性能,但 ANFIS 模型表现出更高的准确性,这由更高的 R2 值 (0.98)、更低的 RMSE (0.11) 和更低的 MSE (0.33) 证明。这些结果表明 ANFIS 在捕捉数据中的复杂关系方面特别有效,并且是预测红土中 CBR 值的有前途的工具。关键词:软计算技术、加州承载比、指标属性、红土
摘要 当今全球经济呈现出以沿海地区为中心的跳跃式经济网络,依托海洋成为许多国家和地区十分重要的经济发展路径。为协调解决海南岛经济发展与海洋生态环境保护之间的矛盾,本研究基于物元可拓评价模型,对考虑自由贸易港建设的海南岛海洋生态进行研究。本研究利用可拓集理论的优势,在一定程度上刻画了评估对象转变的中间状态和动态趋势,提高海洋生态承载力的评估精度。研究结果表明:2016—2018年海南岛海洋生态承载力比较稳定,处于转变等级N 3 ,表明海南岛海洋生态处于中等承载、亚健康状态。注重保护海洋生态,发展现代服务业,发展高新技术产业,可以有效提高海南岛生态承载力。