基于机器学习与不确定性分析的CPTU土体分层方法

本发明涉及一种基于机器学习与不确定性分析的CPTU土体分层方法，包括步骤如下，S1.获取海洋土体的CPTU数据与CPTU勘察位置临近的土体钻探数据；S2.训练分类模型；S3.将目标位置CPTU数据输入S2中训练好的分类模型，获得分类结果，采用模型准确性评价指标对分类结果进行评估；S4.结合不确定性分析评估每一分类结果的置信度，获得不确定性分析结果；S5.根据不确定性分析结果，确定土体分层的数量与分界位置，并输出分层结果。该方法结合CPTU高分辨率数据和机器学习算法，通过引入不确定性分析，预测类别置信度优化的自动分层方法对分类结果进行优化，从而获得具有工程参考价值的土层划分结果。