本书主要介绍了常见的机器学习方法及其在岩土工程领域的应用，共15章内容，包括基坑支护结构的内力与位移预测、土体物理与力学参数之间的转换、预制桩可贯入性评估、隧道工程中沉降分析预测以及病害识别等。本书展示了机器学习方法在岩土工程领域的巨大潜力，也是智慧岩土工程学科方向的发展补充。本书适合土木工程、水利工程、市政工程、地质学等相关专业科研院所、企事业单位及个人阅读使用。

薛亚东，博士，同济大学土木工程学院副教授。现兼任国际岩石力学学会理事、中国土木工程学会隧道及地下工程分会理事、中国土木工程学会工程风险与保险分会理事。主要从事隧道及地下工程安全风险评估管理、隧道结构健康检测评估、硬岩TBM机理与应用等方面的科学研究与教学工作。作为负责人承担国家自然科学基金项口2项，省部级项目4项；作为主要研究人员参加国家973、863、省部级等项目16项，企业合作项目90余项。获国家科技进步二等奖1项，省部级特等奖1项，上海市科技进步一等奖2项，其他省部级二等奖2项、三等奖5项；获国家发明专利14项、实用新型专利6项、软件著作权111项；发表学术沦文125篇；参编指南、规范4部，出版专著3部。

第1章 绪论
1.1 机器学习方法与应用
1.2 岩土工程数据及特点
1.3 机器学习岩土工程应用现状概述
1.4 本书的组织架构与内容概述
参考文献
第2章 人工神经网络
2.1 基本架构与组件
2.2 神经网络类别
2.3 前馈神经网络
2.3.1 网络结构
2.3.2 误差反向传播算法
2.4 卷积神经网络
2.4.1 网络架构
2.4.2 卷积层
2.4.3 池化层
2.4.4 全连接层
2.4.5 几点补充
2.5 网络优化原理
2.6 小结
参考文献
第3章 支持向量机
3.1 线性可分支持向量机与硬间隔最大化
3.1.1 支持向量与分离超平面
3.1.2 决策边界
3.1.3 最大间隔超平面(硬间隔最大化)
3.1.4 对偶算法
3.2 软间隔最大化
3.2.1 线性支持向量机
3.2.2 对偶算法
3.2.3 合页损失函数
3.3 非线性可分支持向量机与核函数
3.3.1 非线性分类问题
3.3.2 核函数
3.4 支持向量机的两点说明
3.4.1 参数选取
3.4.2 缺陷
3.5 扩展
3.5.1 多分类SVM
3.5.2 支持向量回归
3.5.3 贝叶斯支持向量机
3.5.4 实现方法
3.6 小结
参考文献
第4章 随机森林
4.1 决策树
4.2 无序性与信息熵
4.3 集成学习
4.3.1 Bagging
4.3.2 从Bagging到随机森林
4.3.3 极限树
4.4 随机森林的特点
4.4.1 特征的重要性
4.4.2 随机森林与最邻近算法
4.5 核随机森林
4.5.1 基本概念
4.5.2 从随机森林到核随机森林
4.5.3 核随机森林的两点说明
4.6 本章小结
参考文献
第5章 最大土钉轴力神经网络模型
5.1 引言
5.2 土钉功能函数及FHWA土钉轴力与抗力模型
5.3 人工神经网络方法
5.4 实测土钉轴力总数据库
5.5 FHWA土钉轴力模型评价与校正
5.5.1 模型评价
……
第6章 基于机器学习的土钉墙水平位移计算方法
第7章 基于人工神经网络的软土力学性质预测
第8章 软计算在地下工程建设中的应用
第9章 基于机器学习的各向异性黏土双隧道衬砌响应预测
第10章 基于贝叶斯优化的极端梯度提升和随机森林方法预测不排水抗剪强度
第11章 基于随机森林回归和多元自适应回归样条的预制桩可打性评估
第12章 基于极限梯度提升和随机森林回归的各向异性黏土开挖支撑基底隆起稳定性评估
第13章 预测土压平衡盾构引起地表沉降的软计算方法
第14章 盾构隧道地面沉降分析和预测
第15章 盾构隧道衬砌表观病害图像自动识别
附录1 总数据库土钉墙设计参数值及实测土钉轴力
附录2 ANN模型、RF模型和SVM模型的8个输入参数及水平位移实测值
附录3 深支撑开挖地下连续墙的平面应变有限元分析结果