孟杰 张家立 冯同广

山东高速工程建设集团有限公司 山东 济南 250000

基础沉降是建筑工程中不可避免的问题之一，尤其是在高层建筑和主裙楼的施工中更为突出。为了确保建筑的稳定性和安全性，需要对基础沉降进行控制和监测。主裙楼中组合基础沉降控制尤为重要。影响组合基础沉降的因素有很多。组合基础所处的土层及上部荷载的施工进程等，都会使组合基础沉降进一步增加。通过对主裙楼组合基础沉降控制参数的敏感性分析，可以快速地得到对基础沉降影响最大的参数，并为后续施工提供参考。

随人工智能发展，神经网络因其“快速、精确、全面”的优点，被运用到敏感性分析中。在神经网络参数敏感性分析方面: Kourosh等[1]提出卷积神经网络( CNN) 的敏感性分析方法，并对其性能进行比较; Ghada 等[2]利用深度残差神经网络对热拌沥青混合料进行参数敏感分析; Moussa等[3]在结构可靠度评估中使用神经网络集成构建参数敏感性分析模型，验证神经网络在敏感性分析中的稳定性和准确性。本文通过构建基础沉降控制参数与主裙楼组合基础沉降的梯度提升树拟合模型，对主裙楼组合基础沉降与其控制参数的敏感性进行分析。

1 敏感性分析流程

1.1 基于梯度提升树的参数敏感性分析

梯度提升树(XGBoost)整体思想就是直接把损失函数和正则项加起来合成一个整体的损失函数，对这个损失函数求二阶导数，得到最终的自定义目标函数，通过自定义目标函数计算得到一个分数，这个分数越小越好，最终通过自定义目标函数计算得到的分数确定了树的结构和整个强学习器的分数。……