Thai University RankingsRESEARCH RADAR

Stability prediction of footings on slopes with dense sand using Bolton model, FELA, XGBoost, Random Forest, and Evolutionary Polynomial Regression

Stability prediction of footings on slopes with dense sand using Bolton model, FELA, XGBoost, Random Forest, and Evolutionary Polynomial Regression

งานนี้สร้างฐานข้อมูลจาก finite element limit analysis ของฐานรากแถบแข็งบนลาดทรายแน่น แล้วฝึก XGBoost, Random Forest และ EPR เพื่อทำนายตัวประกอบกำลังรับน้ำหนัก XGBoost ให้ R² ในชุดทดสอบ 0.994, 0.943 และ 0.953 สำหรับลาด 15, 30 และ 45 องศา ขณะที่ EPR ให้สมการที่ตีความและใช้ประมาณเบื้องต้นได้ การวิเคราะห์ชี้ว่ากำลังบดเม็ดทราย ความแน่นสัมพัทธ์ ความกว้างฐาน และมุมเสียดทานเป็นปัจจัยสำคัญ แต่โมเดลเรียนจากผลจำลองสองมิติภายในขอบเขตที่กำหนด จึงต้องเทียบข้อมูลทดลองหรือสนามก่อนใช้ตัดสินใจออกแบบจริง

01

ข้อค้นพบสำคัญ

    02

    ทำไมจึงมีความสำคัญระดับโลก

    ผลงานเพิ่มองค์ความรู้ในสาขาและเปิดทางให้ตรวจสอบหรือต่อยอดในบริบทอื่น การตีความผลกระทบควรยึดขอบเขตและหลักฐานของงานต้นฉบับเป็นหลัก ระบบให้สัญญาณผลกระทบ 75 จาก 100 ซึ่งใช้เพื่อจัดลำดับการนำเสนอ ไม่ใช่คะแนนคุณภาพวารสารหรือการจัดอันดับนักวิจัย

    03

    บทบาทของนักวิจัยไทย

    การเชื่อมโยงกับประเทศไทยปรากฏผ่านผู้เขียนหรือสังกัด ได้แก่ Thammasat University

    04

    ข้อจำกัดที่ควรรู้

    บทวิเคราะห์นี้อาศัยข้อมูลบรรณานุกรม บทคัดย่อ และแหล่งต้นทางที่เข้าถึงได้ ไม่ได้แทนการอ่านบทความฉบับเต็ม และไม่ควรอนุมานเหตุเป็นผลหรือการใช้จริงเกินกว่าที่ผู้วิจัยรายงาน

    05

    ตรวจสอบแหล่งต้นทาง

    Artificial Intelligence in Geosciences

    DOI: 10.1016/j.aiig.2026.100254

    KEEP EXPLORING

    งานวิจัยไทยที่น่าติดตามต่อ