基于ELM原理的砂土液化判别模型及应用.pdfVIP

第４８卷第１６期山西建筑Ｖｏｌ．４８Ｎｏ．１６

２０２２年８月Ａｕｇ．２０２２·７·

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２２．１６．００２

ＤＯＩ：

基于ＥＬＭ原理的砂土液化判别模型及应用★

叶童，李治广

（河北地质大学，河北石家庄０５００３１）

摘要：为合理判断砂土的液化状态，借助极限学习机（ＥｘｔｒｅｍｅＬｅａｒｎｉｎｇＭａｃｈｉｎｅ，ＥＬＭ）对砂土液化进行判别。共选取２５个

砂土液化案例为样本，其中１８个案例作为学习样本，８个影响因素作为评价指标，建立了ＥＬＭ砂土液化判别模型，模型回判

结果全部正确；用另外７个案例开展模型验证工作，并将验证结果与规范法、反向传播法（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ，ＢＰ）、距离判别分

析（ＤｉｓｔａｎｃｅＤｉｓｃｒｉｍｉｎａｎｔＡｎａｌｙｓｉｓ，ＤＤＡ）法和主成分分析（ＰｒｉｎｃｉｐｌｅＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ，ＰＣＡ）与距离判别分析结合法进行比

较，结果表明：ＥＬＭ砂土液化模型预测结果准确率高达１００％，并且具有建模过程简单，分类效果好的优势。将该模型应用于

工程实例，砂土液化判别结果与实际情况一致，表明该模型是一种可行的砂土液化判别方法，可在实际工程中进一步应用。

关键词：砂土液化；预测模型；极限学习机（ＥＬＭ）；判别方法

中图分类号：ＴＵ４４１．４文献标识码：Ａ１００９－６８２５（２０２２）１６－０００７－０５

文章编号：

［９］

０引言勇等采用因子分析和相关性分析对评价指标进行预处

理，建立ＧＡ－ＳＶＭ－Ａｄａｂｏｏｓｔ模型准确率较高，具有不

砂土液化是在地震荷载的作用下，饱和砂土由固体

错的参考价值。虽然上述方法均取得了不错的应用效

状态变成液体状态，进而丧失强度和刚度的区域性地质

［１－２］果，但评价指标预处理手段不仅计算过程复杂还难免造

灾害。砂土液化会使地基承载力降低，引发地面沉

成有效信息的损失，而直接建立ＤＤＡ，ＳＶＭ和ＢＰ模型又

降、坡体侧滑、建筑物变形和管涌流沙等灾害，因此建立

难以取得理想的效果。因此为科学判别砂土的液化状

合理的砂土液化预测模型，对砂土液化灾害的防治工作

［３］态，还要探索更加简单精准的预测方法。

具有重大的现实意义。

通过文献的阅读，发现极限学习机（ＥｘｔｒｅｍｅＬｅａｒｎｉｎｇ

砂土液化灾害的成因机理复杂、影响因素众多，并且

Ｍａｃｈｉｎｅ，ＥＬＭ）具有学习速率快、所需参数少、泛化性能

影响因素间往往具有极大的相关性，评价指标预处理与

好的特性［１０－１２］。刘合兵在农产品价格预测方面建立基

人工智能方法相结合在砂土液化判别工作中得到了广泛

［４］于经验模态分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）

应用。金志仁基于马氏距离判别分析理论，分析