基于PCA-DDA原理的砂土液化预测模型及应用

影响砂土液化的因素有很多,建立多指标的液化预测模型非常有必要。目前所有的多指标砂土液化预测模型,均默认选取的判别因子之间相互独立,不存在相关性,可能导致各判别因子之间存在信息叠加而发生误判。以唐山地震砂土液化的25个案例为样本,选取8个影响因素作为砂土液化预测的初始判别指标,首先采用主成分分析（PCA）对各判别指标进行分析,对存在相关性比较高的指标进行了降维处理。基于降维后的4个主成分换算得到新的样本数据,以18个案例为学习样本,建立主成分分析与距离判别分析（DDA）相结合的砂土液化预测模型。利用建立的预测模型对18个案例进行回判,结果全部正确。对其他7个案例的液化情况进行了预测,并与规范法、Seed方法、BP法、DDA法的判别结果进行分析比较,结果表明基于主成分分析与距离判别方法的砂土液化判别模型预测准确率为100%。将模型应用于工程实例,判别结果也与实际情况一致,表明该模型具有良好的预测功能,可在实际工程中应用。     

基于逐步判别分析的砂土液化预测研究

为高效地进行砂土液化的预测,运用逐步判别法,从8个液化影响因子中选择平均粒径、烈度、震中距等3个判别能力显著的影响因子,建立判别函数,并利用工程实例进行验证。研究结果表明：逐步判别分析模型预测性能良好,且能有效地选择对砂土液化起主导作用的因子。相比距离判别分析,逐步判别分析建立的判别函数更加稳定,且所需测试因子较少,节省了因试验和现场调查所耗费的大量人力、物力和时间,因此逐步判别分析是一种值得推广的砂土液化预测方法。     

砂土液化预测的Fisher判别模型及应用

基于Fisher判别理论建立了砂土液化可能性的Fisher判别分析（FDA）模型。在分析砂土液化影响因素的基础上,选取烈度、震中距、地下水位、砂层埋深、标贯击数、平均粒径、不均匀系数、剪应力比等8个实测特征指标作为FDA模型的预测指标。利用砂土液化的实测数据作为训练样本进行训练,建立FDA模型对砂土液化进行预测,并用其他未参加训练的实测数据进行了验证。研究结果表明,FDA模型简便可行、预测精度高,是解决砂土液化预测问题的有效方法之一。     

基于广义回归神经网络的砂土液化综合判别方法

基于厦门地区大量钻孔试验数据,分别采用规范法和Seed法对该区饱和砂土进行液化判别。然后选取二者判别结果相同的数据作为训练和测试样本,运用广义回归神经网络,对二者判别结果分歧的钻孔数据进行二次判别。结果表明:广义回归神经网络性能良好,预测准确度高。此外,这种综合判别方法也提高了饱和砂土液化判别的准确度,并为其他地区饱和砂土的液化判别研究提供借鉴和参考。      

基于聚类-二叉树支持向量机的砂土液化预测模型

建立在统计学习理论基础之上的支持向量机（SVM）,是一种基于结构风险最小的小样本机器学习方法。经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题。根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类-二叉树的多类支持向量机的砂土液化判别模型。该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系。研究结果表明,基于聚类-二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别     

饱和砂土地震液化判别的可拓聚类预测方法

基于可拓学的物元模型和聚类分析原理,提出了饱和砂土地震液化判别的可拓聚类方法。选取地震烈度、震中距、砂层埋置深度、地下水位、标贯击数、平均粒径、不均匀系数和动剪应力比等8个影响因素,作为饱和砂土地震液化的评价因子,构建了经典域物元和节域物元。应用物元理论和可拓集合中的关联函数,建立预测模型,通过聚类分析得到饱和砂土地震液化的判别结果。实例研究表明,该模型能客观地反映砂土的液化规律,可拓聚类预测方法应用于饱和砂土地震液化判别是有效可行的。     

砂土液化预测的Fisher判别分析模型及应用

针对砂土地震液化预测问题,基于Fisher判别分析原理(FDA),选用平均粒径、不均匀系数、标贯击数、地下水水位、砂层埋深、剪应力与有效上覆应力比、地震烈度.震中距等8个实测指标为判别因子,建立Fisher线性判别函数模型,对砂土液化进行预测.研究结果表明,Fisher判别分析结果与神经网络输出结果一致,优于规范法和Seed法判别结果,验证了该模型的合理性和可靠性.运用该模型进行判别分析,简易方便,分类效率高,对砂土液化判别快速、有效,模型适用性强,具有一定的工程应用前景.     

基于KPCA-GPC的地震砂土液化预测

在砂土液化多指标综合判别法中,采用的判别因子数量一般为5~12,为防止特征冗余,引入核主成分分析(KPCA)对原始样本进行非线性特征提取,同时基于高斯过程分类(GPC)原理,构建了砂土液化预测的KPCA-GPC模型。以唐山地震砂土液化的25个案例为样本,选取平均粒径D50、地下水位dw、标准贯入击数N63.5、砂层埋深ds、地震烈度I、震中距离L、不均匀系数Cu、剪应力与有效上覆应力比τ_d/σ'v共8个指标作为判别因子,对该模型进行验证。研究结果表明:距离判别分析(DDA)、高斯过程分类(GPC)、Seed法的判别准确率分别为83%、83%、67%,而KPCA-DDA和KPCA-GPC的判别准确率均为100%,由此说明消除特征冗余的必要性及KPCA-GPC模型的适用性;同时,与DDA、SVM、BP等确定性判别方法相比,GPC可获得具有概率意义的砂土液化预测结果。     

基于MPL神经网络的地震作用下砂土液化评估及预测

砂土在地震的作用下会产生剧烈的液化现象,液化引发的地基失稳会对道路、建筑物、堤坝等各类设施造成严重危害。因此,地震作用下的砂土液化判别预测一直是地质灾害领域研究的热点问题。本文使用过去几十年发生在世界各地的166组地震作用下砂土液化实例数据,通过大量数据训练和参数分析建立了基于机器学习的地震作用下砂土液化判别模型。结果表明,当网络结构为6(输入层)-15(隐藏层)-1(输出层)、训练函数为Levenberg-Marquardt时,对地震液化预测效果较好,最大准确率可达96%。参数分析结果表明不同参数对网络预测准确率影响程度不一:锥端阻力、地表归一化峰值水平加速度影响相对较大;地震震级、总垂向应力、有效垂向应力影响中等;贯入深度对其影响较小。因此在不同网络预测精度要求的条件下,可考虑适当简化输入参数。     

基于人工神经网络的砂土液化势评价

本文利用静力触探（ＣＰＴ）场地液化数据,建立了液化势判定的反向传播神经网络模型,研究表明,同传统方法相比,人工神经网络方法在判别砂土液化势方面是可行的。     

液化判别临界曲线的变化模式与一般规律

液化临界值与砂层深度的关系是液化判别方法的基本表征,但对比分析表明,现有液化判别方法的临界曲线有不同的表现模式,甚至定性相反。以Seed-Idriss模型为基础,推导出了砂层埋深对液化势影响的理论解答,提出了砂层埋深与液化临界值的普遍关系,得到了液化判别临界曲线的变化模式和一般规律。结果表明：一般而言,随砂层深度增加,水平地震剪应力和土体抗液化强度同时增大,但前者增大速率大于后者,液化势及液化临界值与砂层深度呈正相关关系;液化临界值与砂层深度呈非线性递增关系,浅埋处饱和砂层液化势递增较为剧烈,深埋处趋于平缓;我国规范CPT液化判别公式的液化临界值与砂层深度呈递减关系,存在定性错误,需要纠正;现有一些液化判别公式中,液化临界值与砂层深度呈线性递增关系,定性正确但模型需要改进。所得结果可为液化判别方法正确发展提供理论基础和借鉴。     

论砂土液化深度的Gan-Chen模式计算法

地震引起地基土层中的砂土液化，其临界液化深度是多少?世界岩土工程界进行了大量的实际资料分析和试验研究，至今众说纷纭。笔者在综合分析各国专家研究成果时，从中发现地震引起砂土液化的普遍自然规律，并建立起Gan—chen模式，可简易计算砂土液化的临界深度在5～12m范围内。     

支持向量机在砂土液化预测中的应用研究

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法，建立了砂土液化预测模型，并且运用Matlab语言编写了程序。通过试算和分析比较得到了最佳模型，最佳模型的预测结果与实际液化情况基本上一致。认为支持向量机算法无论在学习或者预测精度方面都有很大的优越性，而基于支持向量机理论建立的砂土液化预测模型是可行的，且可以较为准确地实现砂土液化的预测。     

黄河三角洲地区砂土路基液化机理探讨及处置

从砂土路基液化机理人手,结合黄河三角洲地区地基土工程地质特征,对该地区路基砂土液化做现场振动试验,找出影响砂土路基液化的影响因素,主要内因有土体的密实度、含水量和土体中是否存在软弱区;主要外因有荷载的大小、作用时间和荷载频率。并针对砂土液化的内外因,结合青银高速公路强夯处理案例展开分析,提出了处理方法。     

静力触探法对巴楚地震液化判别的适用性

2003年2月24日新疆巴楚-伽师地区发生的6.8级地震中出现了自1996年唐山大地震以来我国大陆境内最为严重的砂土液化现象。以此地震液化调查为基础,检验包括我国规范液化判别方法、Robertson方法和Olsen方法的国内外现有静力触探试验为指标的液化判别方法的适用性。结果表明,我国规范、Robertson方法、Olsen方法在对巴楚地震液化场地判别中,总体上非液化场地判别成功率高于液化场地判别成功率,非液化场地的判别成功率分别为88%、71%和88%,但对液化场地判别成功率分别为55%、73%和45%,明显偏于危险,原因需要进一步查明,建立适合局部地区的液化判别方法应是未来必须进行的工作。