-
题名基于超声波速的冻融盐渍土强度预测模型构建
- 1
-
-
作者
赵辉伟
邴慧
-
机构
中国科学院西北生态环境资源研究院冻土工程国家重点实验室
中国科学院大学
-
出处
《冰川冻土》
CSCD
2024年第2期612-624,共13页
-
基金
冻土工程国家重点实验室自主课题(SKLFSE-ZT-202211)资助。
-
文摘
现有宏观控制因素作用下对冻土宏观强度的研究主要采用试验手段,在实践中已取得较好的成果。室内外试验普遍存在试验周期长、成本高的特点,随着新技术手段的涌现,探索更为简便的方法和构建预测模型,成为了科研工作者长期努力的方向。同时宏观控制因素对冻土宏观强度的影响借助土体内部特征这一媒介发挥作用。由于超声波是岩土介质物理力学性质等相关信息的良好载体,利用超声波检测具有的无损、快速、简便等特点,可反映土体内部特征。因此,本文从两种思路出发,设计出包含不同类型参数的强度预测模型:思路1,宏观控制性因素到宏观强度特性;思路2,宏观控制性因素到超声波速反映的土体内部特征再到宏观强度特性。基于此,首先通过试验获取不同含盐量土体经历不同冻融循环次数的超声波速和单轴抗压强度作为基本数据,再将思路1参数设置为试验控制变量,将思路2参数设置为纵、横波速构造的超声特征参数群,即联合两思路参数作为模型输入,建立单轴抗压强度的BP神经网络预测模型,并采用缺省因子检验法评估该模型。结果表明,随冻融次数、含盐量增加,单轴抗压强度总体减小;冻融初期波速波动明显,中期趋缓,后期恢复至初始值附近,且控制性因素作用下强度随波速增加呈阶梯式下降状态。而将经灰色关联度及粗糙集优化的思路2参数作响应土体内部特性的最优子序列建立的BP模型,平均绝对误差小于0.05 kPa,决定系数大于0.96,各参数敏感性指数平均为1.4251。同时敏感性分析成功验证了控制性因素、最优子序列在模型构建过程的假设地位,单个控制性参数对单轴抗压强度的影响大于单个超声特征参数。此外,模型精度较高、实用性较强,可为冻土模型的强度预测及参数选取提供参考。
-
关键词
BP神经网络模型
超声特征参数群
冻融盐渍土
强度预测
-
Keywords
BP neural network model
ultrasonic characteristic parameter group
freezing and thawing saline soil
strength forecast
-
分类号
TU445
[建筑科学—岩土工程]
-
