凍土水分檢測(cè)方法的研究與實(shí)現(xiàn)

張佳薇，閆久陽(yáng)

(東北林業(yè)大學(xué)，黑龍江哈爾濱 150040)

由于凍土中的水分遷移與土壤各項(xiàng)特性指標(biāo)呈復(fù)雜的非線性關(guān)系，采用一般的模型很難將其描述出來(lái)。研究中，主要介紹了適宜這種復(fù)雜關(guān)系的神經(jīng)網(wǎng)絡(luò)方法。

1 凍土的概述

凍土是一種含有冰的巖石和土壤的混合物。它受溫度變化的影響極為敏感，其性能極不穩(wěn)定。由于凍土中含有的水和冰極易受環(huán)境溫度的影響而發(fā)生凍結(jié)和融化，其長(zhǎng)期強(qiáng)度比瞬時(shí)強(qiáng)度要小得多。凍土含冰的特性以及冰的不均勻分布特點(diǎn)導(dǎo)致凍土的土體性能較差。

2 我國(guó)凍土區(qū)的基本現(xiàn)狀

我國(guó)的地理位置和氣候特點(diǎn)使得我國(guó)成為世界凍土大國(guó)之一。在我國(guó)的季節(jié)性凍土區(qū)，建筑項(xiàng)目都會(huì)或多或少地出現(xiàn)沉降、變形甚至倒塌的現(xiàn)象。這是因?yàn)樵诙練鉁剌^低時(shí)，建筑物的土層基底、土層構(gòu)筑物中的土壤水分會(huì)因?yàn)榈陀诮Y(jié)冰點(diǎn)而凝結(jié)成冰并且逐漸向深層發(fā)展，土壤顆粒因?yàn)楸槐鶋K膠著連結(jié)而強(qiáng)度增大，極易在內(nèi)部形成冰層，導(dǎo)致建筑產(chǎn)品極易出現(xiàn)劇烈膨脹變形的現(xiàn)象。而在氣溫回升的春季，凍土中的冰層和冰塊融化，土壤顆粒之間的膠著作用減弱，整體強(qiáng)度變低，土壤的承載能力下降，就會(huì)使其上的建筑物發(fā)生沉降變形(又稱融沉變形)，甚至發(fā)生部分滑塌。凍土的這種極不穩(wěn)定、易急劇變化的特性對(duì)建筑工程的質(zhì)量安全有著極大的隱患。我國(guó)是凍土大國(guó)，青藏鐵路是典型的建設(shè)在凍土地基上的項(xiàng)目。由于青藏鐵路干線的大部分位于4 000 m以上海拔，鐵路干線處在多年凍土層中，其特有的不均勻的凍脹融沉導(dǎo)致青藏鐵路的路基嚴(yán)重受損，穩(wěn)定性遭到嚴(yán)重破壞，每年都要花費(fèi)巨大的人力、物力和財(cái)力對(duì)其進(jìn)行翻修。隨著我國(guó)國(guó)民經(jīng)濟(jì)水平的總體提高，西部開發(fā)規(guī)劃已被逐漸提上日程。除了青藏鐵路，越來(lái)越多的鐵路、市政、橋梁、隧道等建設(shè)項(xiàng)目需要在凍土地區(qū)進(jìn)行。凍土地區(qū)的工程建設(shè)已經(jīng)不可避免。此時(shí)，更需要深入檢測(cè)和研究?jī)鐾了值南嚓P(guān)課題，盡最大可能減少凍土對(duì)建筑的危害。

3 國(guó)內(nèi)外凍土水分檢測(cè)的研究形勢(shì)

凍土水分檢測(cè)的研究目的主要是為了實(shí)現(xiàn)凍土中水分的遷移。凍土中的水分分布和特點(diǎn)與凍土土壤的分散性、凝聚力、成分、含水量、強(qiáng)度、結(jié)構(gòu)等有直接的關(guān)系，又存在著一定的規(guī)律性。

3.1 國(guó)外發(fā)展概況 從20世紀(jì)30年代開始，國(guó)外就開始致力于研究土壤在反復(fù)凍融的過程中發(fā)生的凍脹以及水分遷移機(jī)理，最終得出毛細(xì)理論(又稱第一凍脹理論)，即引起土壤中水分在凍結(jié)過程中移動(dòng)的源動(dòng)力來(lái)自于毛細(xì)壓力。第一膨脹理論被提出后很快就被人們接受并廣泛發(fā)展，但隨后人們便發(fā)現(xiàn)毛細(xì)理論的局限性，Miller提出凍結(jié)緣理論(又稱第二凍脹理論［1］)。他認(rèn)為存在一個(gè)含水量和導(dǎo)濕率均較低的無(wú)凍脹區(qū)，且就在凍結(jié)鋒面與冰透鏡體之間。

凍結(jié)緣中存在孔隙冰，孔隙冰的含量隨著遠(yuǎn)離冰凍鋒面向冰透鏡面靠近而不斷增長(zhǎng)，未凍水的含量逐漸減少，形成一個(gè)吸力梯度。土壤中的水在吸力梯度的作用下，不斷向冰透鏡體靠攏而凝結(jié)成冰，發(fā)生凍脹現(xiàn)象。之后有人提出與第二凍脹理論相似的理論。

20世紀(jì)80年代，人們先后提出剛性冰和分凝勢(shì)兩種模型。人們發(fā)現(xiàn)并證實(shí)了凍土水的一些規(guī)律，即冰結(jié)速度與暖端溫度在很大程度上影響冰透鏡體的形成;未凍土隨著靠近的冰透鏡體的增長(zhǎng)而增加土體的有效應(yīng)力，從而使未凍土的密度變大;當(dāng)臨界冰結(jié)速率高于冰結(jié)速率時(shí)，隨著固體顆粒不斷被排斥，水逐漸凝結(jié)成冰，當(dāng)固體顆粒粒徑增加時(shí)臨界冰結(jié)速率降低;臨界冰結(jié)速率隨著冰結(jié)鋒面的密度增加而降低，飽和土中的冰透鏡體的增長(zhǎng)率與其增長(zhǎng)面的過冷度呈正比關(guān)系。

3.2 我國(guó)發(fā)展概況 我國(guó)從20世紀(jì)60年代開始逐漸對(duì)凍土中的水分特征展開研究。較為典型的研究有80年代中國(guó)科學(xué)院凍土所系統(tǒng)地研究了凍融過程中毛細(xì)水和薄膜水在溫度梯度誘導(dǎo)作用下的遷移問題。徐學(xué)祖等［2－4］利用核磁共振分析了影響未凍水含量的因素，并且證實(shí)了在不同環(huán)境中未凍土隨負(fù)溫變化而引起的含量變化。王家澄等［5］提出，已凍土中依然存在水分的遷移和相交，就算在等溫環(huán)境中依然能夠引起不同程度的凍脹。張立新等［6］提出了未凍水受壓力影響引起的含量變化特征。李萍等［7］結(jié)合凍脹觀測(cè)和歷史資料分析判斷了凍結(jié)緣的具體變化過程，并且進(jìn)行了數(shù)據(jù)分析，利用計(jì)算機(jī)技術(shù)分析判斷了凍結(jié)緣以及分凝冰的具體位置、厚度，指出單薄冰層、厚冰層和雙冰層造成不連續(xù)的分凝冰。何平等［8］提出，冰結(jié)緣是因?yàn)楸Y(jié)區(qū)內(nèi)相變溫度和水分作用力兩者共同作用而形成的。趙建軍等［9］則依據(jù)梯度吸力引起未凍薄膜水遷移的原理建立了相關(guān)的水熱耦合模型。

自青藏鐵路修建開始，我國(guó)的多年凍土地基試驗(yàn)與各種凍土路基工程保護(hù)措施相繼展開與實(shí)行。其中，毛雪松等［10］在對(duì)青藏鐵路凍土進(jìn)行研究分析的基礎(chǔ)上提出水熱耦合遷移模型。通過數(shù)據(jù)分析與相關(guān)規(guī)律研究，確定了路基溫度場(chǎng)受水分遷移的影響而變化。

土壤凍結(jié)的過程十分復(fù)雜。土壤水分遷移與土壤各種性能、成分、組成、溫度等因素之間并不是簡(jiǎn)單的線性關(guān)系，而是復(fù)雜的、用一半代數(shù)方法難以解決的非線性關(guān)系。在這種情況下，神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)越性就得到充分體現(xiàn)。神經(jīng)網(wǎng)絡(luò)技術(shù)具有自我組織、學(xué)習(xí)、適應(yīng)的綜合性能，能并列分布，且能權(quán)衡包容錯(cuò)誤分析。這些特點(diǎn)決定了神經(jīng)網(wǎng)絡(luò)方法能夠較好地應(yīng)用在土壤水分遷移這類復(fù)雜的非線性研究課題中。尚松浩等［11］利用BP神經(jīng)網(wǎng)絡(luò)模型分析研究了未凍結(jié)土含量與凍結(jié)溫度和其他主要影響因素的關(guān)系。該模型利用一個(gè)神經(jīng)元，分析土壤水分未凍水含量以及凍結(jié)溫度隨各種因素的變化而受到的影響。李強(qiáng)等［12］結(jié)合聲波原理將人工智能神經(jīng)方法應(yīng)用到凍土遷移分析的研究中，并開發(fā)出一種全新的測(cè)試凍土強(qiáng)度的方法。馬芹永等［13］通過利用神經(jīng)網(wǎng)絡(luò)感知器將不同環(huán)境中凍土的爆破能力和強(qiáng)度分類。梁若筠通過神經(jīng)網(wǎng)絡(luò)的應(yīng)用對(duì)凍土的可鉆性進(jìn)行合理、良好地分類。常斌等［15］通過對(duì)青藏鐵路凍土路基的研究，建立了一種新的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，可以廣泛地面向工程設(shè)計(jì)人員。姚兆明等［16］運(yùn)用人工智能提出了一個(gè)可以預(yù)測(cè)溫度場(chǎng)的大型開放網(wǎng)格結(jié)構(gòu)。何秉順等［17］利用人工神經(jīng)網(wǎng)絡(luò)對(duì)氣溫、交通荷載以及降水等影響凍土公路路基的因素進(jìn)行預(yù)測(cè)和分析。

4 人工神經(jīng)網(wǎng)絡(luò)方法概述

人工神經(jīng)網(wǎng)絡(luò)，英文名字是Artificial Neural Network(ANN)，有時(shí)簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)(NN)，是通過真實(shí)地分析人腦的神經(jīng)網(wǎng)絡(luò)構(gòu)造、特征及功能，進(jìn)行理論性的簡(jiǎn)化和模擬，形成一種類似人腦的信息系統(tǒng)。人腦是由大量復(fù)雜又協(xié)同工作的神經(jīng)元構(gòu)成的。它們錯(cuò)綜復(fù)雜地相互連結(jié)，通過外界刺激呈現(xiàn)各種各樣的狀態(tài)特征。人腦有高度的自覺性，能主動(dòng)調(diào)整自身狀態(tài)，完成自我學(xué)習(xí)、自我修復(fù)、及時(shí)更錯(cuò)等任務(wù)。人工神經(jīng)網(wǎng)絡(luò)正是通過大量的神經(jīng)元錯(cuò)綜連結(jié)在一起，模擬人腦的工作機(jī)制和原理，充分發(fā)揮自動(dòng)學(xué)習(xí)和自我完善的功能，從而最終用于處理各種復(fù)雜的、非線性的運(yùn)算及數(shù)據(jù)分析。通過專門訓(xùn)練，神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有與大腦類似的識(shí)別能力、記憶能力以及分析處理能力。當(dāng)在實(shí)際運(yùn)用中無(wú)法建立簡(jiǎn)單的數(shù)學(xué)表達(dá)式時(shí)，就需要利用神經(jīng)網(wǎng)絡(luò)的方法對(duì)實(shí)際的復(fù)雜多變的數(shù)據(jù)進(jìn)行分析和處理。徐學(xué)祖等［18］通過神經(jīng)網(wǎng)絡(luò)方法對(duì)23組莫玲黏土進(jìn)行了一系列的試驗(yàn)檢測(cè)，根據(jù)相關(guān)網(wǎng)絡(luò)輸入量，最終得到網(wǎng)絡(luò)輸出端的未凍水含量的參數(shù)A和B。經(jīng)比較，發(fā)現(xiàn)采用神經(jīng)網(wǎng)絡(luò)方法對(duì)凍土水分進(jìn)行預(yù)測(cè)與試驗(yàn)值極為接近。

5 人工神經(jīng)網(wǎng)絡(luò)的基本發(fā)展?fàn)顩r

人工神經(jīng)網(wǎng)絡(luò)的研究自20世紀(jì)40年代開始至今，經(jīng)過了初始發(fā)展階段、低潮時(shí)期，隨后進(jìn)入復(fù)興時(shí)期以及發(fā)展高潮期，共4個(gè)階段。

在最初的神經(jīng)計(jì)算模型(M－P模型)中，神經(jīng)元的活動(dòng)有興奮和抑制兩種表現(xiàn)形式。簡(jiǎn)單的M－P模型雖然只能用于運(yùn)算分析一些簡(jiǎn)單的數(shù)據(jù)，但是為以后神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展打下良好基礎(chǔ)。在20世紀(jì)40年代末，Hebb提出被后人稱作關(guān)聯(lián)論的理論。這在很大程度上推動(dòng)了人工神經(jīng)絡(luò)的發(fā)展，至今他的理論仍然被人們所引用。50年代末，又有科學(xué)家提出感知器模型。這是人工神經(jīng)網(wǎng)絡(luò)方法第一次運(yùn)用在工程實(shí)際中。隨后將近10年期間，由于人們受當(dāng)時(shí)計(jì)算機(jī)技術(shù)水平的限制，認(rèn)為將神經(jīng)網(wǎng)絡(luò)方法真正應(yīng)用在非線性問題的解決上，其難度相當(dāng)大。很多研究人員將課題轉(zhuǎn)移到別的領(lǐng)域，導(dǎo)致神經(jīng)網(wǎng)絡(luò)的研究出現(xiàn)了10年左右的低迷期。

直至80年代，著名的Hopfied理論模型在硬件上力圖實(shí)現(xiàn)電子學(xué)或光學(xué)，且它的各項(xiàng)功能特征更接近人腦。這就大大開拓了神經(jīng)網(wǎng)絡(luò)研究的新途徑。不久之后，人類第一個(gè)硬件神經(jīng)網(wǎng)絡(luò)芯片被成功研制出來(lái)。BP算法(多層前饋誤差反響傳播神經(jīng)網(wǎng)絡(luò)算法)的提出進(jìn)一步解決了感知器的局限問題。

20世紀(jì)80年代以后，隨著神經(jīng)網(wǎng)絡(luò)方法的各項(xiàng)理論的深入研究，其應(yīng)用的范圍越來(lái)越廣，神經(jīng)網(wǎng)絡(luò)出現(xiàn)了發(fā)展的高潮期。神經(jīng)網(wǎng)絡(luò)理論的研究日益成熟，針對(duì)的領(lǐng)域越來(lái)越多，很多以前難以解決的非線性系統(tǒng)的問題在神經(jīng)網(wǎng)絡(luò)的推動(dòng)應(yīng)用中迎刃而解。而且，神經(jīng)網(wǎng)絡(luò)的發(fā)展空間依然很大，其各項(xiàng)研究會(huì)越來(lái)越深入。

6 凍土水分檢測(cè)借助人工神經(jīng)網(wǎng)絡(luò)的基本研究

凍土的組成結(jié)構(gòu)十分復(fù)雜，影響凍土的各種因素，如環(huán)境、溫度、地質(zhì)以及各種性能參數(shù)等并不是單一穩(wěn)定的，而是不斷變化的。這些數(shù)據(jù)很難用一個(gè)固定的模式表示，只有應(yīng)用人工網(wǎng)絡(luò)神經(jīng)的開放系統(tǒng)模型，才能將凍土各個(gè)因素的復(fù)雜的、非線性關(guān)系描述出來(lái)。

目前，一般采用兩種神經(jīng)網(wǎng)絡(luò)建模方法來(lái)檢測(cè)凍土水分及其各種影響因素。一種是找到可測(cè)的、影響凍土水分的因素。根據(jù)這些可測(cè)的因素來(lái)預(yù)測(cè)不可知的參數(shù)變化，其中可以用神經(jīng)網(wǎng)絡(luò)隱式表達(dá)待預(yù)測(cè)的影響因素及其參數(shù)關(guān)系。另外一種情況是，若當(dāng)前凍土的各項(xiàng)影響因素及其參數(shù)關(guān)系均過于復(fù)雜難于推斷，此時(shí)可以利用之前的歷史數(shù)據(jù)建立起其同當(dāng)前因素?cái)?shù)據(jù)的人工網(wǎng)絡(luò)模型。這種方法得到的結(jié)果不是很準(zhǔn)確，但相對(duì)而言也是一種適宜的辦法。

利用神經(jīng)元分析檢測(cè)凍土水分的研究主要包括4個(gè)階段。①根據(jù)實(shí)際需要，選擇最適合當(dāng)前數(shù)據(jù)分析的神經(jīng)網(wǎng)絡(luò)模型;②收集待檢測(cè)的凍土樣本，并進(jìn)行相關(guān)的測(cè)試;③設(shè)計(jì)并建立適宜的神經(jīng)網(wǎng)絡(luò)模型，并通過實(shí)驗(yàn)測(cè)試其各項(xiàng)性能;④在人工網(wǎng)絡(luò)模型進(jìn)行測(cè)試后，根據(jù)實(shí)際情況不斷改進(jìn)、訓(xùn)練，使其能更好地用于實(shí)際問題的解決。

人工神經(jīng)網(wǎng)絡(luò)是模擬大腦靠學(xué)習(xí)和記憶來(lái)訓(xùn)練處理所有的數(shù)據(jù)關(guān)系。在運(yùn)用神經(jīng)網(wǎng)絡(luò)方法來(lái)檢測(cè)凍土水分時(shí)，應(yīng)該提供盡可能多的樣本數(shù)據(jù)、盡可能多的全部模式。輸入的所有變量應(yīng)該相互獨(dú)立，而不是彼此影響和制約。提供的樣本數(shù)一方面隨著網(wǎng)絡(luò)映射關(guān)系的復(fù)雜程度的增大而增加，另一方面樣本數(shù)隨著數(shù)據(jù)噪音的增大而增加。

盡管人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)性很好，但是也不能將各項(xiàng)數(shù)據(jù)不經(jīng)整理就隨便丟給處理。在檢測(cè)凍土水分前，應(yīng)首先將所有相關(guān)的資料及數(shù)據(jù)分析整理，將不重要的和錯(cuò)誤的信息確定排除干凈，將需要的原始數(shù)據(jù)保持在模型許可的范圍內(nèi)，在轉(zhuǎn)換訓(xùn)練樣本與測(cè)試樣本時(shí)必須采取相同的比例。

在運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行凍土水分檢測(cè)時(shí)，注重分析影響凍土水分遷移的各個(gè)因素，進(jìn)而確定輸入層和輸出層。此外，由于人工神經(jīng)網(wǎng)絡(luò)的泛化功能優(yōu)良，還應(yīng)該選擇適宜次數(shù)的訓(xùn)練，選取合適的目標(biāo)誤差。

7 結(jié)語(yǔ)

隨著人們對(duì)神經(jīng)網(wǎng)絡(luò)研究的深入，也發(fā)現(xiàn)一些方法中存在著缺陷。近年來(lái)，不斷有人提出各種改進(jìn)方法。但是，總體說來(lái)，人工神經(jīng)網(wǎng)絡(luò)在土壤凍土水分遷移中的運(yùn)用已日臻成熟。

［1］HOLDEN J T.Approximate solutions for Muller’s theory of secondary heave［C］//Proceedings of IVICCP，1983:498 －503.

［2］徐學(xué)祖.凍土與鹽溶液系統(tǒng)中惹質(zhì)遷移及變形過程試驗(yàn)研究［J］.冰川凍土，1992，14(4):289 －295.

［3］徐學(xué)祖，王家澄，張立新，等.土體凍脹和鹽脹機(jī)理［M］.北京:科學(xué)出版社，1995.

［4］徐學(xué)祖，王家澄，張立新，等.溫度梯度誘導(dǎo)薄膜水遷移的凍脹機(jī)理［J］.科學(xué)通報(bào)，1997，42(9):956 －959.

［5］王家澄，程國(guó)棟，張宏鼎，等.飽水砂土反復(fù)凍融時(shí)成冰條件的實(shí)驗(yàn)研究［J］.冰川凍土，1992，14(3):101 －106.

［6］張立新，徐學(xué)祖，張招祥，等.凍土未凍水與壓力關(guān)系的實(shí)驗(yàn)研究［J］.冰川凍土，1998，20(2):11 －14.

［7］李萍，徐雪祖，王家澄，等.不連續(xù)分凝冰發(fā)育規(guī)律的研究［J］.蘭州大學(xué)學(xué)報(bào)，2000，36(5):126 －133.

［8］何平，程國(guó)棟，俞祈浩，等.飽和正凍土中的水、熱、力場(chǎng)耦合模型［J］.冰川凍土，2000，2(2):135 －138.

［9］趙建軍，董金梅，王沛，等.正凍土中的水熱耦合模型［J］.天津城市建筑學(xué)院學(xué)報(bào)，2001，7(1):47 －52.

［10］毛雪松，王秉剛，胡長(zhǎng)順.多年凍土路基水分遷移熱力學(xué)性能分析［J］.路基工程，2006(4):1 －4.

［11］尚松浩，毛曉敏.基于BP神經(jīng)網(wǎng)絡(luò)的土壤凍結(jié)溫度及未凍水含量預(yù)測(cè)模型［J］.冰川凍土，2001，23(4):414 －418.

［12］李強(qiáng)，楊平.基于神經(jīng)網(wǎng)絡(luò)的聲波法預(yù)測(cè)凍土強(qiáng)度的研究［J］.建井技術(shù)，2002，23(6):26 －28.

［13］MA Q Y，ZHANG Z H.Classification of frozen soil blastability by using perceptron neural network［J］.Journal of Coal Science，2002，8(1):54 －58.

［14］梁若筠.基于神經(jīng)網(wǎng)絡(luò)方法的凍土水分遷移研究［D］.蘭州:蘭州大學(xué)，2007.

［15］常斌，李寧，蘇波，等.通風(fēng)管路基溫度場(chǎng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型［J］.巖土力學(xué)與工程學(xué)報(bào)，2004，23(24):4131 －4136.

［16］姚兆明，周啟俊.人工凍土溫度場(chǎng)的智能方法預(yù)測(cè)［J］.安徽理工大學(xué)學(xué)報(bào)，2005，25(3):27 －29.

［17］何秉順，劉建坤，房建宏.使用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)凍土區(qū)公路路基沉降［J］.公路交通科技，2005，22(11):43.

［18］李寧，程國(guó)棟，徐學(xué)祖，等.凍土力學(xué)的研究進(jìn)展與思考［J］.力學(xué)進(jìn)展，2001，31(1):95－102.