摘要
本发明公开了一种基于CPT的海上风电场土体小应变剪切模量Gmax的贝叶斯分层概率预测方法,包括:获取海上风电场不同CPT位置处的Gmax数据,构建训练样本;构建贝叶斯回归模型,包括构建完全混合模型和部分混合模型;对构建的贝叶斯回归模型进行马尔可夫链蒙特卡罗MCMC模拟,获取模型参数的后验分布,进而评估模型的拟合效果,得到满足预测效果要求的目标模型;根据所述目标模型,划分多个场景预测Gmax剖面,进而判断CPT位置和土体单元是否在校准数据集中,完成概率预测。本发明实施例能够更有效地利用CPT数据,可以生成更准确的土体参数代表性剖面,提高设计风机基础时的准确性和可靠性,可广泛应用于海上风电技术领域。
技术关键词
小应变剪切模量
贝叶斯回归模型
海上风电场
马尔可夫链蒙特卡罗
概率预测方法
代表
分层
数据拟合模型
留一交叉验证
校准
分析模型参数
海上风电技术
孔隙水压力
土体参数
场景
风机基础
应力
系统为您推荐了相关专利信息
概率预测方法
贝叶斯神经网络
轨迹
惯性导航传感器
光学传感器
风电出力预测误差
参数估计模型
遗传算法求解
海上风电场
子模块
气管插管气囊
智能护理系统
马尔可夫链蒙特卡罗
更新模型参数
样本
风险评估方法
风险评估模型
海上风电场
海上风电机组
深度学习模型
流体力学模型
入口边界条件
出口边界条件
水动力模型
桩基