基于支持向量机上海地区土体物理力学指标相关性研究_李志国.pdf

李志国，白瑞涵，刘旭进，等.基于支持向量机上海地区土体物理力学指标相关性研究 J.地震科学进展,2023,53(2):66-76.doi:10.19987/j.dzkxjz.2022-166LiZG,BaiRH,LiuXJ,etal.CorrelationsbetweenphysicalandmechanicalpropertyindexesofShanghaisoilbasedonsupportvectormachineJ.ProgressinEarthquakeSciences,2023,53(2):66-76.doi:10.19987/j.dzkxjz.2022-166学术论文基于支持向量机上海地区土体物理力学指标相关性研究*李志国1)白瑞涵2,3)刘旭进1)王庶懋1)1)中国电力工程顾问集团华东电力设计院有限公司，上海2000632)河海大学岩土力学与堤坝工程教育部重点实验室，江苏南京2100243)河海大学江苏省岩土工程技术工程研究中心，江苏南京210024摘要针对上海地区土体物理力学指标开展相关性分析，结合多个工程场地获取的土体室内试验数据，采用支持向量机算法构建了土体塑性指数、液性指数与压缩系数的相关性分析模型，并结合误差指标对模型参数进行优化。将支持向量机模型与传统的线性、多项式拟合方法结果对比分析，表明该模型预测结果与实际结果较为吻合，且该模型另一优势在于能够从更多的数据中进行更深度的挖掘来提升自身的鲁棒性。考虑到不同土体的工程性质差异较大，进一步研究该模型的预测性能与适用性，就每个测试样本点预测偏差与其物理指标建立二者的关系曲线，结果表明可塑性小的中压缩性土体相较于高压缩性土体的预测偏差更小，模型更加稳定与准确，可为上海地区土体压缩性相关研究提供参考。关键词支持向量机；相关性分析；压缩系数；液性指数；塑性指数中图分类号：TU431文献标识码：A文章编号:2096-7780(2023)02-0066-11doi：10.19987/j.dzkxjz.2022-166Correlations between physical and mechanical property indexes ofShanghai soil based on support vector machineLi Zhiguo1),Bai Ruihan2,3),Liu Xujin1),Wang Shumao1)1)EastChinaElectricPowerDesignInstituteCo.,LTD.ofChinaPowerEngineeringConsultingGroup,Shanghai200063,China2)KeyLaboratoryofMinstryofEducationforGeomechanicsandEmbankmentEngineering,HohaiUniversity,JiangsuNanjing210024,China3)GeotechnicalEngineeringResearchCenterofJiangsuProvince,HohaiUniversity,JiangsuNanjing210024,China*收稿日期：2022-11-16；采用日期：2022-12-26。基金项目：“基于数据挖掘技术的岩土工程勘察设计管理及优化平台研究”（GSKJ2-G02-2019）资助。第一作者：李志国（1983-），男，高级工程师，主要从事岩土工程勘察工作。E-mail：。通信作者：王庶懋（1978-），男，高级工程师，主要从事岩土工程勘察及岩土工程设计工作。E-mail：。第53卷第2期地震科学进展Vol.53No.22023年2月ProgressinEarthquakeSciencesFeb.,2023AbstractCorrelationanalysisofphysicalandmechanicalindexesofShanghaisoilwascarriedout.Usingthesupportvectormachinealgorithm，theauthorsconstructedacorrelationanalysismodelofsoilplasticityindex，liquidityindexandcompressibilitycoefficientbasedonthesoilindoortestdataobtainedfromseveralengineeringsites.Thenthemodelparameterswereoptimizedbycombiningtheerrorindexes.Comparingtheresultsofsupportvectormachinemodelwiththoseoftraditionallinearandpolynomialfittingmethods，itwasshownthatthepredictionresultsofthemodelarebasicallyconsistentwiththeactualresults，andanotheradvantageofmodelisthatitcancarryoutdeeperminingfrommoredatatoimproveitsrobustness.Consideringtheengineeringpropertiesofdifferentcategorysoilsarequitedifferent，theauthorsfurtheranalyzedtheperformanceandapplicabilityofmodel，andestablishedtherelationshipcurvebetweenthe forecast bias of each testing sample and its physical indexes.The results indicate that the error of mediumcompressiblesoilissmallerthanhighcompressiblesoil，andthemodelismorestableandaccurate，whichcouldprovideareferencefortheresearchofsoilcompressibilityinShanghai.Keywords support vector machine;correlation analysis;compressibility coefficient;liquidity index;plasticityindex 引言地基沉降是沿海地区的一种严重缓变的地质灾害，具有累积和不可逆转的特性，其影响将持续的发生作用。上海作为我国地基沉降最严重的城市之一，控制地基的沉降对上海地区的发展十分重要。土的压缩模量和压缩系数是评价土体压缩性和地基沉降计算的主要指标，而土体的物理指标参数会影响土体压缩性，所以需要开展土体压缩性指标与物理参数的相关性分析，为实际工程提供指导。Koppula1与 Rendon-Herrero2认为天然含水率对土颗粒表面水膜厚度有影响，对土体结构与压缩性展开了相关性分析；Schofield 和 Wroth3与 Nakase 等4认为土体的可塑状态与其压缩性密不可分，基于工程实测数据进行压缩指数与塑性指数的相关性分析；Azzouz 等5对 700 多组固结试验得到的压缩指数和压缩系数进行了回归分析，建立了塑性指数、天然含水率、初始孔隙比多变量特征的压缩指数预测公式；刘吉福和高玉峰6对广东省 13 条高速公路软粘土的物理力学指标进行了相关性分析，并得出压缩系数与含水率、孔隙比、密度之间呈现良好的幂函数关系；赵孝旗等7对杭州地区大量的海相软土试样进行统计分析，研究结果表明压缩系数与物理指标孔隙比、质量密度、天然含水率具有较强线性关系；刘伽等8对上海、广州、江苏、连云港、温州等地黏性土物理力学指标统计分析，结果表明压缩指数与初始孔隙比、干重度、液限多参数的相关性最高；涂春霖等9基于相关关系和一元线性回归分析等方法分析了遮放盆地粉质黏土，其中液性指数与压缩系数、压缩模量相关性较好，并提出可根据液性指数估算力学指标；白冰等10研究了塑性指数对饱和软黏土压缩变形参数的影响，得到了压缩指数、回弹指数、次固结系数等与塑性指数的线性拟合关系；李晨晨等11取土样于昆明市南市区，给出了物理指标与力学指标参数的经验公式；孙毅力和于洪民12以北京地区积累的物理指标参数为研究对象，分析了该地区土体参数对压缩模量的影响规律；李旭昶等13对扬州地区土体的物理力学指标展开分析，并就塑性指数与压缩系数提出了经验公式；丁祖德等14就昆明地区泥炭质土提出了压缩系数与液性指数的经验公式。以上土体压缩系数与物理参数的相关性研究大多采用拟合或回归分析的方法，拟合方法往往对非线性问题表现不佳，而回归分析是基于先验知识的推测，限制了变量的多样性和不可测性，这使得以上方法在实际工程应用时具有一定局限性。近年来随着机器学习、深度学习等新理论、新技术的高速发展，众多学者就人工智能在土木工程领域做出了众多的尝试，张鹤15基于 MLP 和 RBF 神经网络建立不同的软土物理参数压缩模量神经网络预测模型；蒋建平等16基于 RBF 神经网络建立了以压缩系数为输出，多参数组合孔隙比、塑性指数、水与土粒的质量比、密度为输入的模型，并验证了该模型的误差在岩土工程中是可以接受的；Zhang 等17基于 GBRT 算法建立了压缩模量的预测模型，并使用 GA 遗传算法对 GBRT 超参数优化，与传统的经验公式对比证明了该方法的优越性。机器学习中支持向量机算法（SVR）的核心理念为寻求结构化风险最小来提高模型的泛化能力，即通过合理的函数变换将输入变量映射到高维空间后进行回归分析，能够很好的处理非线性特征的相互第2期李志国等：基于支持向量机上海地区土体物理力学指标相关性研究67作用。本文将结合支持向量机算法，对上海地区土体的物理力学指标展开相关性分析，为进一步拓展到更为广泛区域提供重要指导。1土体物理力学指标统计分析土体物理力学指标统计分析所需的数据来源于上海地区的 6 处工程场地的室内试验。1.1 物理力学指标特征对上海地区工程场地所取得的大量淤泥质粘土、粘土、粉质粘土、砂质粉土的物理力学指标进行统计，结果见表 1。由表统计分析结果知，上海地区土体的天然密度 和土粒比重 Gs的变化范围都不表1土的物理力学指标统计Table1Statisticsofphysicalandmechanicalindexesofsoil土体类型统计量物理力学指标参数值最小值最大值平均值标准差变异系数淤泥质粘土221压缩系数a1-2/MPa10.661.600.840.270.32含水量w/%24.4063.4042.936.540.15塑限WP/%17.0031.3022.802.920.13液限WL/%26.5053.9037.426.100.16塑性指数IP9.4022.8014.623.380.23液性指数IL0.522.571.410.320.23湿密度/（cms3）1.621.971.760.060.03土粒比重Gs2.712.752.730.010.0039粘土31压缩系数a1-2/MPa10.210.980.570.220.39含水量w/%24.0052.6036.227.660.21塑限WP/%16.5027.5022.172.550.12液限WL/%30.5048.1037.644.570.12塑性指数IP10.8020.6015.472.410.16液性指数IL0.351.930.920.430.47湿密度/（cms3）1.702.021.870.100.05土粒比重Gs2.722.752.730.010.0037粉质粘土198压缩系数a1-2/MPa10.071.280.410.210.51含水量w/%18.205