基于数据挖掘技术的黄土湿陷性评价.pdfVIP

西北农林科技大学学报(自然科学版) VoL 34 No.4 第 34 卷第4 期 2006 年 4 月 Jou r. of Northwest Sci-Tech Univ. of Agri. and Fo r. CNa t. Sci. Ed.) April 2006 基于数据挖掘技术的黄土湿陷性评价 井彦林1.2 件彦卿1，3 杨丽娜侯晓涛4 (}西安理工大学岩土所，陕西西安 710048;2 煤炭工业西安设计研究院，陕西西安 71 0054; 3 上海交通大学环境科学与工程学院，上海 200240;4 中国建筑西北设计研究院，陕西西安 710003) [摘 要] 为了运用数据挖掘技术进行黄土湿陷性评价，根据实际工程资料建立了黄土物理力学数据库，用 主成分分析法对原数据进行压缩，用压缩后的新变量依据人工神经网络理论建立了预测模型，用 BP 算法进行了模 型的校正及预测。工程实例分析表明，预测湿陷系数与试验值所得湿陷系数的湿陷量计算值相比，准确率可达 96% 以上，说明这种智能化评价方法具有可行性和实用性。 [关键词] 黄土湿陷性;数据挖掘技术;主成分分析;BP 神经网络 [中图分类号] TU444; TB l1 [文献标i只码] A [文章编号] 1671-9387(2006)04-0130-05 黄土在我国西北和华北等地分布普遍。由于大 说，参数应尽量简单、易测。本文应用数据挖掘的方 量工程勘察和科研工作的开展，在这些地区积累了 法进行了湿陷性研究，通过实际工程数据的收集建 丰富的黄土物理试验和固结试验数据，这些数据是 立黄土物理力学数据库，用数据挖掘的预测技术消 宝贵的信息资源，有必要对其加以充分利用。黄土的 除信息冗余，依据数值稳定、易于测定的物理指标对 湿陷性是黄土最主要的工程性质，其影响因素较多。 湿陷系数进行预测，以达到减少试验数量、降低工程 如果利用已积累的数据，依据黄土的密度、含水率、 投资的目的。 液限等指标建立湿陷性指标的预测模型，间接预测 1 数据挖掘简介 黄土的温陷性，显然可减少湿陷性试验数量，降低投 资，加快工程进度。目前针对此问题的研究成果较 数据挖掘(Data Mining ， DM)是 20 世纪 90 年 多，主要可归结为两个方面:一是基于概率统计理论 代中期发展起来的-门高新技术。它是从大量的不 的一元钱性和多元钱性回归及相关分析方法的湿陷 完整、有噪声、模糊、随机实际数据中提取隐含在其 性研究，采用的参数主要为黄土固结试验和三轴固 中的、不为人们所知但又有潜在应用价值的信息和 结试验数据，指标为不扰动土的干密度、含水率、孔 知识的过程，它是知识发现(Kowledge Discovery in 隙比、显微结构特征以及重塑士的结构性指标等，得 Databas巴， KDD) 中的关键环节。数据挖掘的主要挖 到的模型主要是回归方程[M]; 二是运用非线性理论 掘对象可以是结构化的关系型数据(仓〉库，也可以 如神经网络、模糊数学等研究黄土的湿陷性，采用多 是半结构化数据或网络数据;任务主要包括特征规 元分析模型，这种方法对湿陆性的影响因素考虑得 则挖掘、辨识规则挖掘、关联(分为布尔关联和量化 较为全面，同时参数也较多，可同时考虑孔隙比、密