基于数据挖掘技术的黄土湿陷性研究.pdf

·106· 土工测试技术实践与发展 基于数据挖掘技术的黄土湿陷性研究 井彦林1’2仵彦卿1’3杨丽娜1 (1．西安理工大学岩土所，西安710048；2．煤炭工业西安设计研究院， 西安710054；3．上海交通大学，上海200240) 摘要：黄土湿陷性是影响黄土工程稳定性的主因。本文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预测模型，用BP算法进行模型校正及预测。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精度可达94％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；主成分分析；BP神经网络；预测 1前言 黄土之所以为特殊性土，主要是由于其湿陷性。目前，国内对湿陷性的评价是采用自重湿陷系 数、湿陷系数评价计算湿陷类型及湿陷等级。湿陷性指标的获得可通过野外浸水试验或室内试验。 由于野外浸水试验周期长、费用高，所以在工程中常采用室内试验方法。进行室内试验，首先要在 野外采取质量可靠的不扰动试样。由于钻孔取土易被扰动，因此对湿陷性黄土主要是在探井中人 工采样，这样采取的土样质量可靠，在20m深度以内普遍采用。但当湿陷性黄土较厚时开挖较困 难，且造价高，工期长。黄土的干重度、重度、含水量、液隙比等指标易测、误差小，数值稳定，若建立 湿陷性指标的预测模型，根据黄土的一般物理力学指标间接预测黄土的湿陷性，在实际工作中可减 少探井取土和试验数量，降低投资，加快工程进度。这方面的研究成果较多，具有代表性的有：刘祖 典(1994)探讨了不同重度、含水量、液限、结构性及不同时代、不同成因类型状态下的湿陷性的变化 规律，用统计学理论对湿陷系数进行线性和非线性回归，提出了相应的经验公式…。关文章(1992) 分析了天然干重度、含水量与湿陷性的关系，提出了拟合公式，给出了不同地区黄土的界限含水量 和界限干密度；提出了湿陷性综合评价，即不仅考虑自重湿陷量和总湿陷量，而且根据所有影响湿 陷性的因素，如渗透性、地层构成特性、附加应力、建筑物长宽比、湿陷土层厚度等，采用模糊数学的 方法，用综合湿陷强度来表示评价结果[2]。胡再强(2000)通过对黄土三轴浸水试验及试验前后的 扫描电镜分析，由非饱和黄土显微结构与湿陷性之间的联系，确定黄土结构与湿陷性的关系∞1。齐 吉林(2001)进行原状和人工制备黄土的剪切试验，根据试验结果建立起描述土结构性的定量化指 标，分析了结构性定量化指标与湿陷性的关系H]。苗天德(1990)根据黄土扫描电镜观察和土力学 试验结果，提出湿陷变形系由黄土微结构失稳造成的，利用突变理论建立了湿陷性黄土的微结构失 稳模型，并按照现代连续统介质力学方法推导出了湿陷性黄土的本构关系。李晓军(1996)将分形 理论引入了黄土的研究，论述了黄土孔隙的分形维数及分维数对湿陷性的影响，用孑L隙比、容重、含 水量、液限及显微结构特征类型建立ANN模型，进行湿陷类型预测bJ。滕文川(f1993)根据黄土一 般物理指标，用模糊数学的方法研究黄土的湿陷性。这些研究中所建模型多采用一元函数，而对湿 陷性的影响是多因素的；多采用线性模型，模型中的有些参数难以测得，甚至比实测还要复杂；研究 本项目由煤炭工业西安设计研究院科研基金资助。 第二篇室内土工测试技术 ·107· 中试验数据的覆盖面偏小。基于此，本文提出用数据挖掘的方法进行湿陷性研究，方法是通过实际 工程数据的收集建立黄土物理力学数据库，用数据挖掘的预测技术，依据数值稳定、易于测定的物 理指标对湿陷系数进行预测，达到减少试验数量、降低工程投资的目的。 2数据挖掘简介 数据挖掘(Data 的不完全的、有噪声的、模糊的、随机的实际数据中提取隐含在其中的、不为人们所知的但又有潜在 inDatabase，Ⅺ)D)中的关键 应用价值的信息和知识的过程。它是知识发现(KnowledgeDiscovery 环节。数据挖掘的主要挖掘对象可以是结构化的关系型数据(仓)库，也可以是半结构化数据或网 络数据；任务主要包括特征规则挖掘，辨识规则挖掘，关联(分为布尔关联和量化关联)规则挖