- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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
文档评论(0)