研究人员发布了一个包含 2,854 次实验室土壤压实测试的综合语料库，该语料库来源于六个公开数据集，涵盖 162 个来源组和四种普氏击实能级。该数据集解决了现有相关性分析的局限性，这些分析通常基于较少样本和单一击实能。语料库包含有关细粒土含量、零气隙条件和比重（specific gravity）的详细信息，揭示了很大一部分已发布的压实数据在物理上是不可能的。研究人员开发了包括表格基础模型（tabular foundation model）和符号回归（symbolic regression）在内的机器学习模型来预测密度和含水量，取得了显著的 R2 分数，尤其是在考虑了击实能和来源后。 AI
影响 提供了一个大型、开放的土壤压实分析数据集和机器学习模型，有望提高工程精度。
排序理由 该条目是一篇学术论文，详细介绍了用于土壤压实测试的新数据集和机器学习基线。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
