ALL libraries (COBIB.SI union bibliographic/catalogue database)
  • Explainable machine learning-based ground motion characterization [Elektronski vir] : evaluating the role of geotechnical variabilities on response parameters
    Chala, Ayele Tesema ...
    Upoštevanje spremenljivosti geotehničnih lastnosti je bistveno pri analizi seizmičnega odziva tal. Tradicionalno se vpliv posamezne geotehnične lastnosti na odziv tal ocenjuje neodvisno. Ta pristop ... pa omejuje razumevanje združenih učinkov več lastnosti na odziv tal. V tej študiji predstavljamo nov, razložljiv pristop, temelječ na strojnem učenju, za oceno vpliva več geotehničnih lastnosti na odziv tal. Razvili smo štiri modele strojnega učenja — AdaBoost, Extreme Gradient Boosting (XGBoost), Random Forest Regressor (RFR) in Gradient Boosting Machine (GBM) — kot napovedne modele. Vhodni dejavniki so bili hitrost strižnega valovanja, indeks plastičnosti, debelina tal, intenziteta vhodnega gibanja in prostorninska teža tal. Parametra odziva tal sta bila vršni talni pospešek (PGA) in vršni premik tal (PGD). Za oceno učinkovitosti modelov smo izračunali več statističnih parametrov uspešnosti. Rezultati kažejo, da je najboljše re zultate napovedal model GBM, ki se je odlikoval z nizkimi napakami ter visokimi indeksom ujemanja (AI), s Kling–Gupta učinkovitostjo (KGE) in koeficientom determinizacije (R^2). Rezultat modela GBM smo dodatno analizirali z metodo SHAP (Shapley Additive exPlanations), da smo pojasnili in identificirali parametre, ki nabolj prispevajo k napovedim. Nazadnje smo model uporabili za razvoj enostavne spletne programske opreme za hitro napovedovanje vršnih pospeškov in premikov tal.
    Source: Geosciences [Elektronski vir]. - ISSN 2076-3263 (Vol. 15, iss. 11, [article no.] 417, nov. 2025, Str. 1-19)
    Type of material - e-article ; adult, serious
    Publish date - 2025
    Language - english
    COBISS.SI-ID - 256371459
    DOI

Shelf entry