黃土濕陷性物性指標分析與定量預(yù)測模型研究

摘要" ：依托甘肅省通定高速項目，結(jié)合某路段典型黃土區(qū)域以及現(xiàn)場黃土物性實驗結(jié)果，研究了黃土濕陷性等級與單項物性指標之間的相關(guān)性，確定其中相關(guān)性較強的物性指標;應(yīng)用因子分析理論，消除了各指標間的多重共線性影響，提出了影響判別濕陷性黃土的獨立指標，并建立了濕陷性黃土的定性判斷標準;在此基礎(chǔ)上構(gòu)建適用于該地區(qū)的黃土濕陷系數(shù)的BP神經(jīng)網(wǎng)絡(luò)定量預(yù)測模型。結(jié)果表明：黃土濕陷系數(shù)與天然含水率、飽和度、孔隙率、孔隙比、干密度、壓縮系數(shù)的相關(guān)性強，與塑性指數(shù)、壓縮模量相關(guān)性較弱;當孔隙比e＜0.825、壓縮系數(shù)a＜0.244、天然含水率w＞18.2%時，可判定該類土不具有濕陷性;采用BP神經(jīng)網(wǎng)絡(luò)能夠準確可靠預(yù)測濕陷系數(shù)，其精度能夠滿足實際工程應(yīng)用。研究成果可為精確評價該地區(qū)及類似工程的濕陷性黃土等級方面的研究和現(xiàn)場判別提供理論依據(jù)，具有很強的理論和實踐應(yīng)用價值。

關(guān)鍵詞 ：黃土濕陷;物性指標;BP神經(jīng)網(wǎng)絡(luò);預(yù)測模型

中圖分類號：U444"" 文獻標志碼：A"" 文章編號：1004-0366（2024）05-0138-08

隨著我國“一帶一路”倡儀及“西部大開發(fā)”戰(zhàn)略的穩(wěn)步推進，西部地區(qū)掀起了修建高速公路、鐵路等線路工程的高潮。西北地區(qū)有較大范圍的濕陷性黃土分布，根據(jù)以往工程經(jīng)驗可知，如若對濕陷性黃土重視程度不足，會給工程建設(shè)帶來嚴重危害，如邊坡滑塌、路基破壞、隧道坍塌及房屋地基不均勻沉降等［1］，因此，對黃土濕陷性的準確評判十分有必要。

國內(nèi)外關(guān)于黃土濕陷性的評判主要是通過現(xiàn)場浸水試驗和室內(nèi)浸水壓縮試驗［2-3］，而現(xiàn)場試驗整個過程較為繁瑣且耗時長，故多采用室內(nèi)浸水壓縮試驗，但該方法需進行現(xiàn)場取樣，會對土樣產(chǎn)生擾動，易造成測試偏差，故探索在誤差允許范圍內(nèi)快捷、準確、簡便預(yù)測黃土濕陷性的新方法已成為學(xué)術(shù)界和工程應(yīng)用領(lǐng)域的熱點和重點問題。具有代表性的有：朱鳳基等［4］采用多元線性回歸法研究并得到了甘肅省慶陽地區(qū)黃土濕陷系數(shù)與各土性指標的回歸公式;舒志樂等［5］以太原地區(qū)的黃土為依托，提出了基于初始飽和度、初始孔隙比的黃土濕陷系數(shù)二元線性回歸關(guān)系式;張瑜等［6］揭示了隴西黃土高原不同深度下原狀黃土與濕陷性的變化規(guī)律，建立了多元線性回歸預(yù)測分析;李金秋等［7］借助偏相關(guān)性分析法選取獨立指標，通過神經(jīng)網(wǎng)絡(luò)進行預(yù)測，得到的預(yù)測值誤差在15%以內(nèi);郭倩怡等［8］借助因子分析理論和偏最小二乘法原理，構(gòu)建了PLS黃土濕陷系數(shù)預(yù)測模型，并驗證了模型的可靠性;劉穎瑩等［9］、李瑞娥等［10］、高凌霞等［11］基于模糊信息優(yōu)化處理技術(shù)的擴散原理，以含水量與濕陷系數(shù)模糊關(guān)系為基礎(chǔ)，探索了模糊數(shù)學(xué)在黃土濕陷性預(yù)測方面的研究。

綜上所述，國內(nèi)外諸多學(xué)者從物性指標方面對黃土濕陷性及濕陷系數(shù)進行了大量研究并取得了不少成果，但在進行回歸分析預(yù)測黃土濕陷系數(shù)時，對各物性指標與濕陷系數(shù)線性關(guān)系合理性方面研究相對較少;同時，在采用模糊數(shù)學(xué)方法定性方面的研究較多，而定量方面相對較少，定性與定量相結(jié)合驗證黃土濕陷性各物性指標與濕陷系數(shù)的研究更是少之又少［12］。因此，本文基于數(shù)理統(tǒng)計方法系統(tǒng)研究通定高速黃土的各物性指標與濕陷系數(shù)之間的相關(guān)性，借助因子分析法消除各指標間的多重共線性影響，建立濕陷性黃土定性判斷與定量預(yù)測模型，最后通過非母體試驗數(shù)據(jù)進一步驗證該模型的準確科學(xué)性，為該類黃土濕陷性評估與預(yù)測提供了一種科學(xué)、準確、簡單快捷的思路與方法。

1 工程背景

1.1 區(qū)域特點及分布特征

通定高速位于隴中地區(qū)，該地區(qū)降水稀少，干燥寒冷，晝夜溫差大，冬季較長，年平均降水量約390 mm，屬溫帶半干旱氣候區(qū)。境內(nèi)降水分布很不均勻，區(qū)域降水量從東向西遞減。建設(shè)線路經(jīng)過黃土侵蝕長梁緩坡區(qū)和黃土梁間河谷川臺區(qū)，沿線濕陷性黃土分布廣泛，多為第四系上更新統(tǒng)風(fēng)積黃土，厚度為30～40 m，局部可達55 m，等級為Ⅲ級（嚴重）～Ⅳ（很嚴重）自重濕陷性。

1.2 定西地區(qū)黃土物理力學(xué)特性研究

為獲取研究對象的相關(guān)物理力學(xué)特性，選取通定高速K6+090～K6+120深路塹段黃土進行樣品取樣。觀察分析土樣發(fā)現(xiàn)：土層的土質(zhì)不均、局部孔隙較發(fā)育，呈淺黃色、干燥-稍濕、稍密特征;主要成分為粉粒土，手搓土樣砂質(zhì)感較強，不可握條;在其表層含有植物根系，局部見白色鈣化物。

依據(jù)《濕陷性黃土地區(qū)建筑規(guī)范》［13］中黃土濕陷等級標準的規(guī)定，選取項目公司室內(nèi)試驗87份土樣結(jié)果進行數(shù)據(jù)統(tǒng)計分析，得到黃土的天然含水率、飽和度、孔隙率、孔隙比、塑性指數(shù)、干密度和濕陷系數(shù)等基本物理力學(xué)指標。進一步分析濕陷性與濕陷系數(shù)之間的關(guān)系可知：濕陷系數(shù)小于0.015，不具有濕陷性的有26件;濕陷系數(shù)在0.015～0.03之間，具有輕微濕陷性的有14件;濕陷系數(shù)在0.03～0.07之間，具有中等濕陷性的有26件;濕陷系數(shù)大于0.07，具有強烈濕陷性的有21件。

2 物性指標相關(guān)性分析與確認

為保證試驗數(shù)據(jù)的準確性，需剔除深度1～2 m范圍內(nèi)受農(nóng)業(yè)灌溉、工程機械擾動過的6組土體試驗數(shù)據(jù)，結(jié)合行業(yè)經(jīng)典研究成果［14-15］，初步選取天然含水率、飽和度、孔隙率、孔隙比、塑性指數(shù)、干密度以及壓縮系數(shù)和壓縮模量8個具有明確物理意義的指標進行濕陷系數(shù)相關(guān)性分析，所選指標能夠客觀反映研究區(qū)域黃土的結(jié)構(gòu)特征、物質(zhì)成分、水賦存狀態(tài)等屬性。

2.1 濕陷系數(shù)與各單項物性指標相關(guān)性分析

（1） 濕陷系數(shù)與含水率、飽和度的相關(guān)性

由試驗結(jié)果得出黃土濕陷系數(shù)與天然含水率、飽和度之間的相關(guān)性（見圖1）。分析可知：

① 濕陷系數(shù)與天然含水率、飽和度均具有較好的負相關(guān)性，原因在于濕陷性黃土的特殊結(jié)構(gòu)特征與物質(zhì)成分所導(dǎo)致的“水敏性”。在天然含水量較低時，土顆粒間黏結(jié)作用強，其整體結(jié)構(gòu)穩(wěn)定性較好，但易形成架空骨架;當受到水和外部荷載作用時，易產(chǎn)生較大的濕陷變形［16］。隨著天然含水量的增加，孔隙水壓力會逐漸增大，導(dǎo)致顆粒間黏結(jié)作用變?nèi)酰Y(jié)構(gòu)穩(wěn)定性降低，在自重作用下形成較為密實的結(jié)構(gòu)體，即不具備產(chǎn)生濕陷性的相應(yīng)條件。

② 研究區(qū)黃土的天然含水率為12.2%～18%、飽和度為25.5%～51.3%，具有明顯濕陷性;當天然含水率大于23％、飽和度大于61.9％時，黃土一般不具有濕陷性。

③ 對天然含水率、飽和度與濕陷系數(shù)進行線性回歸分析，得出以下擬合關(guān)系公式：

δs=-0.006 6w+0.171 8， （1）

δs=-0.001 9Sr+0.148 7， （2）

其中：δs為溫陷性系數(shù);w為含水率;Sr為飽和度。其天然含水率相關(guān)系數(shù)R=-0.741、飽和度相關(guān)系數(shù)R=-0.779，證明其具有很好的相關(guān)性。

（2） 濕陷系數(shù)與孔隙率、孔隙比的相關(guān)性

由試驗結(jié)果得出黃土濕陷系數(shù)與孔隙率、孔隙比之間的相關(guān)性（見圖2）。分析可知：

① 濕陷系數(shù)與孔隙率、孔隙比均具有明顯的正相關(guān)性，多孔性是黃土區(qū)別于其他土狀堆積物的主要特征之一，當黃土處于高孔隙率、孔隙比狀態(tài)時，內(nèi)部有大量的孔隙和架空結(jié)構(gòu)，在受到水和外部荷載作用下易導(dǎo)致骨架結(jié)構(gòu)破壞，發(fā)生濕陷變形。前人通過壓汞法研究黃土孔隙結(jié)構(gòu)表明［17］：黃土中的孔隙按半徑的大小分為大孔隙、支架孔隙、粒間孔隙、粒內(nèi)孔隙，其中支架孔隙是造成黃土濕陷性的主因。

② 研究區(qū)黃土在孔隙率為42%～59%、孔隙比為0.869～1.351時具有明顯的濕陷性;當孔隙率小于36%、孔隙比小于0.748時，黃土一般不具有濕陷性。

③ 對孔隙率、孔隙比與濕陷系數(shù)進行線性回歸分析，得出以下擬合關(guān)系式：

δs=0.173 2e-0.119"" （3）

δs=0.007 48n-0.312 8， （4）

其中：e為孔隙率;n為孔隙比。其孔隙率相關(guān)系數(shù)R=0.834、孔隙比相關(guān)系數(shù)R=0.856。

（3） 濕陷系數(shù)與壓縮系數(shù)、壓縮模量的相關(guān)性 由試驗結(jié)果得出黃土濕陷系數(shù)與壓縮系數(shù)、壓縮模量之間的相關(guān)性（見圖3）。分析可知：

① 濕陷系數(shù)與壓縮系數(shù)具有良好的正相關(guān)性，與壓縮模量基本呈負相關(guān)性，壓縮系數(shù)和壓縮模量均為表征土體受壓變形的指標，反映了土體抵抗變形的能力，其影響因素包括：土體受力歷史、結(jié)構(gòu)狀態(tài)、顆粒組成及有效應(yīng)力引起的摩擦強度。

② 研究區(qū)黃土在壓縮系數(shù)為0.25～0.65 MPa-1、壓縮模量為3.2～9.6 MPa時具有明顯的濕陷性;當壓縮系數(shù)小于0.21 MPa-1、壓縮模量大于12.2 MPa時，黃土一般不具有濕陷性。

③ 對壓縮系數(shù)、壓縮模量與黃土濕陷系數(shù)進行線性回歸分析，得出以下擬合關(guān)系式：

δs=0.145 8a1-2+0.062"" （5）

δs=-0.011 52ES+0.135 6， （6）

其中：a為壓縮系數(shù);ES為壓縮模量。壓縮系數(shù)相關(guān)系數(shù)R=0.728、壓縮模量相關(guān)系數(shù)R=-0.594。

（4） 濕陷系數(shù)與干密度的相關(guān)性 由試驗結(jié)果得出黃土濕陷系數(shù)與干密度之間的相關(guān)性（見圖4）。分析可知：

① 濕陷系數(shù)與干密度具有明顯的負相關(guān)性，干密度表示土體三相中的氣相和固相，是表征黃土的排列密實程度的指標，可間接反映土中架空孔隙的含量。美國對黃土濕陷性的評估是以干密度作為評價標準，干密度越大，則土顆粒排列越密實，所能為濕陷變形提供的空間也越少。

② 研究區(qū)黃土干密度在1.08～1.69 g/cm3時具有明顯濕陷性;當干密度大于1.56 g/cm3時，黃土一般不具有濕陷性，可作為研究區(qū)黃土濕陷終止干密度。

③ 對干密度與黃土濕陷系數(shù)進行線性回歸分析，得出以下擬合關(guān)系式：

δs=-0.250 377Pd+0.400 325， （7）

其中：Pd為干密度。相關(guān)系數(shù)R=-0.815 7。

（5） 濕陷系數(shù)與塑性指數(shù)的相關(guān)性

由試驗結(jié)果可得出黃土濕陷系數(shù)與塑性指數(shù)之間的相關(guān)性（見圖5）。分析可知：

① 濕陷系數(shù)與塑性指數(shù)基本呈負相關(guān)性，塑性指數(shù)全面反映了礦物成分和黏粒含量，以往研究表明，塑性指數(shù)愈大，其親水礦物含量也愈高，濕陷性越小。

② 研究區(qū)黃土的塑性指數(shù)在7.5%～9.5%時具有明顯濕陷性，并且還與濕陷系數(shù)表現(xiàn)出較為明顯的負相關(guān)性，當偏離此范圍后相關(guān)性減弱，呈現(xiàn)了類似于正態(tài)分布的相關(guān)關(guān)系，說明塑性指數(shù)只在一定程度上反映出研究區(qū)黃土濕陷性，但影響力有許多不確定因素，因此跟其他物性指標與濕陷性的相關(guān)程度相比，不具備較為明顯的相關(guān)關(guān)系。

③ 對塑性指數(shù)與黃土濕陷系數(shù)進行線性回歸分析，得出以下擬合關(guān)系式：

δs=0.221 4Ip-0.018 8， （8）

其中：Ip為塑性指標，相關(guān)系數(shù)R=-0.421。

2.2 基于因子分析法的指標選取確認

上節(jié)通過數(shù)理統(tǒng)計法探討了黃土濕陷系數(shù)與8個物性指標的關(guān)系，為保證試驗數(shù)據(jù)挖掘的準確性，確保之后的預(yù)測模型精度滿足工程要求，需將相關(guān)性較差的指標剔除，標準為：相關(guān)系數(shù)大于0.7為強相關(guān)，反之為弱相關(guān)，故將塑性指數(shù)、壓縮模量這兩個指標進行剔除;剩余的指標并非完全獨立，因此可借助因子分析法對其余指標的獨立性進行研究，以消除各指標間信息重疊的影響。具體思路與過程為：

（1） 檢驗是否適合做因子分析。

通過SPSS統(tǒng)計分析軟件對其余指標進行Kaiser-Meyer-Olkin檢驗和Bartlett球形度檢驗，用來檢驗收斂效度和區(qū)別效度，進而確定試驗數(shù)據(jù)是否適合做因子分析，所得結(jié)果為KMO=0.773、Bartlett=0.002。當KMOgt;0.7時，說明很適合做因子分析;當Bartlettlt;0.05時，拒絕球形假設(shè)，物性指標間存在相關(guān)性。

（2） 公因子的確定。黃土各物性指標間相關(guān)系數(shù)如圖6所示。由圖6可知，天然含水率與飽和度有較好的正相關(guān)關(guān)系，相關(guān)系數(shù)R=0.871;孔隙比、孔隙率、干密度相關(guān)性較好;壓縮系數(shù)無與其相關(guān)性較好的指標。指標間相關(guān)性較好的原因是其相互所表征的物理意義相同，只是采用不同的表達形式與測算方法。隨后的公共因子累計方差貢獻率也證明了提取3個公因子的準確性。

通過因子荷載矩陣得出的公共因子累計方差貢獻率如表1所列，反映了各項物性指標被提取的充分程度，越高說明提取的相應(yīng)信息越充分，提取3個公共因子對影響黃土濕陷性的6個指標解釋程度達到了98.525%。

（3） 典型代表指標的提取。

通過因子旋轉(zhuǎn)，挑選出各公共因子中的典型代表指標，本次因子旋轉(zhuǎn)采用凱撒正態(tài)化最大方差法，可使得各公因子與典型代表物性指標相關(guān)關(guān)系更為突出，結(jié)果如表2所列。根據(jù)旋轉(zhuǎn)后的因子荷載矩陣進行分析可知，第一因子受孔隙比影響最為顯著;第二因子主要受天然含水率的影響;第三因子由壓縮系數(shù)決定，故可選用孔隙比、含水率與壓縮系數(shù)這3個物性指標對黃土濕陷性進行評估。

3 濕陷性黃土定性分析與定量預(yù)測

通過上文對81件室內(nèi)試驗資料進行分析，可發(fā)現(xiàn)有26件土樣不具有濕陷性，占比為32.1%，同時通過探究濕陷系數(shù)與各物性指標關(guān)系圖，可明顯觀察到濕陷系數(shù)小于0.015時部分土樣離散程度明顯大于其余各部分。基于此，可通過上文因子分析所得的典型代表指標，建立不具濕陷性黃土的判定標準，可在定量準確預(yù)測具有濕陷性黃土濕陷系數(shù)之前，先進行定性判斷，對滿足判斷標準的，不再進行濕陷系數(shù)定量預(yù)測。

3.1 不具濕陷性黃土快速判定標準

（1） 判定標準的建立

依據(jù)因子分析結(jié)果構(gòu)造判定標準，單指標規(guī)定值以具有濕陷性土樣的90%附近確定，得出本研究區(qū)不具濕陷性黃土快速判定標準（見表3）。

由表3可看出若通過雙指標來確定土樣不具有濕陷性，仍有小部分土樣不滿足判定標準，但通過對比可以發(fā)現(xiàn)，以孔隙比和含水率作為主要判斷依據(jù)時，精度已基本滿足要求，壓縮系數(shù)可作為核驗指標。

（2） 判定標準的檢驗

采用非母體數(shù)據(jù)來驗證判斷標準的正確性，數(shù)據(jù)來自于不同區(qū)段K8+500～K8+870處具有不同濕陷等級的土樣共20組，如圖7所示。

選取我國其他地區(qū)的黃土勘測數(shù)據(jù)，驗證本文推導(dǎo)得出的濕陷性判斷標準是否具有推廣性。由于某些論文給出的試驗數(shù)據(jù)有限，若試驗數(shù)據(jù)中無壓縮系數(shù)，則可通過含水率與孔隙比進行檢驗，驗證結(jié)果如表4所列。

表5顯示，甘肅省蘭州地區(qū)與陜西省西安地區(qū)有少數(shù)土樣不滿足判斷標準，其中關(guān)中地區(qū)有2個土樣濕陷系數(shù)均為0.018;西安地區(qū)有3個土樣濕陷系數(shù)分別為0.016、0.018、0.020，濕陷等級均屬輕微濕陷性黃土?？傮w來說，準確率達99.6%，通過此判斷標準，可快速、準確地對土樣有無濕陷性進行定性判斷。

3.2 濕陷性黃土定量預(yù)測模型

人工神經(jīng)網(wǎng)絡(luò)是擁有大量神經(jīng)元結(jié)構(gòu)的數(shù)據(jù)分析預(yù)測模型，由輸入層、隱含層、輸出層組成的網(wǎng)絡(luò)拓撲結(jié)構(gòu)。其中由于BP神經(jīng)網(wǎng)絡(luò)具有容錯率高、非線性映射和自學(xué)習(xí)適應(yīng)等優(yōu)點，是目前人工神經(jīng)網(wǎng)絡(luò)應(yīng)用最廣泛的一種［23］。

（1） BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

采用BP神經(jīng)網(wǎng)絡(luò)模型對濕陷系數(shù)進行預(yù)測時，最重要的環(huán)節(jié)就是神經(jīng)網(wǎng)絡(luò)的搭建，根據(jù)因子分析結(jié)果，選取孔隙比、含水率、壓縮系數(shù)作為輸入層，濕陷系數(shù)作為輸出層，如圖8所示。取S型雙曲正切函數(shù)作為輸入層到隱含層的傳遞函數(shù)，采用線性函數(shù)作為隱含層至輸出層的激活函數(shù)。

在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練開始前，確定隱含層神經(jīng)元數(shù)量是十分必要的，如選擇神經(jīng)元數(shù)量過少，網(wǎng)絡(luò)則無法充分利用訓(xùn)練效果，而且泛化能力也較差;反之，選擇神經(jīng)元數(shù)量過多，則容易出現(xiàn)過度擬合的問題。目前并沒有直接精確測定出神經(jīng)元數(shù)量的方法，一般通過以下經(jīng)驗公式計算得出隱含層神經(jīng)元的數(shù)量范圍：

n1=n+m+α， （9）

其中：n1為隱含層神經(jīng)元數(shù);m為輸入層節(jié)點數(shù);n為輸出層節(jié)點數(shù);a為偏移量，在［ 10］之間取值。由式（9）可看出，隱含層神經(jīng)元數(shù)量在［3，13］間。

（2） BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

以研究區(qū)61組具有濕陷性的土樣為訓(xùn)練樣本，如表5所列。為提高網(wǎng)絡(luò)的泛化能力，將整個數(shù)據(jù)劃分為3部分：訓(xùn)練集、測試集、驗證集，其中訓(xùn)練集是用于確定網(wǎng)絡(luò)分類器的參數(shù)，占比80%;測試集是用來調(diào)整模型的超參數(shù)，占比10%;驗證集為擬合后的最終模型提供無偏評估，占比10%。

由于無法直接確定神經(jīng)元數(shù)量，此時需要通過試算法，經(jīng)過多次試算確定。對比網(wǎng)絡(luò)收斂精度與迭代次數(shù)，確定了當隱含層神經(jīng)元為9時，精度最好。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練階段均方誤差變化如圖9所示，經(jīng)過22次迭代后，網(wǎng)格訓(xùn)練完成，訓(xùn)練誤差為0.000 3 總相關(guān)系數(shù)R=0.94。

（3） 誤差分析

為檢驗預(yù)測模型的準確性，通過圖7非母體試驗數(shù)據(jù)進行誤差分析，誤差算法為濕陷系數(shù)減去預(yù)測模型計算所得出預(yù)測值再除以實測值，濕陷系數(shù)實測值與預(yù)測值的對比曲線如圖10所示。

據(jù)此可知，采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行預(yù)測分析，預(yù)測值與實測值均在相同濕陷等級范圍內(nèi)，預(yù)測值的相對誤差在-0.67%～10.63%之間，均不大于15%，精度上可滿足工程應(yīng)用的需要。

4 結(jié)論

通過對室內(nèi)試驗進行統(tǒng)計分析，得到各物性指標與濕陷系數(shù)的相關(guān)程度，并結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型對濕陷系數(shù)預(yù)測，得到以下結(jié)論：

（1） 黃土濕陷系數(shù)與多個指標之間存在較強的相關(guān)性，包括天然含水率、飽和度、孔隙率、孔隙比、干密度以及壓縮系數(shù)等。相對而言，濕陷系數(shù)與塑性指數(shù)、壓縮模量等指標的相關(guān)性較弱。當天然含水率、飽和度、干密度分別達到23％、61.9％、1.56 g/cm3以上時，其土樣濕陷性基本消失;當壓縮系數(shù)、孔隙率、孔隙比分別在0.17 MPa-1、36%、0.748以下時，其土樣濕陷性基本消失。

（2） 通過因子分析法，挑選出孔隙比、壓縮系數(shù)及天然含水率3個典型代表指標搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，同時采用61組實測數(shù)據(jù)進行網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練結(jié)果顯示，各數(shù)據(jù)集相關(guān)系數(shù)最小值為0.912 6，總相關(guān)系數(shù)為0.925 8。

（3） 利用20組具有不同濕陷等級的土樣檢驗所訓(xùn)模型的泛化能力，結(jié)果顯示，該模型誤差范圍在0.67%～10.63%，可為日后定西地區(qū)黃土濕陷性的評估提供一定的指導(dǎo)，并且整套分析思路與建模方法可推廣應(yīng)用于其他地區(qū)黃土濕陷系數(shù)的預(yù)測。

參考文獻：

［1］ 陳正漢，郭楠.非飽和土與特殊土力學(xué)及工程應(yīng)用研究的新進展［J］.巖土力學(xué)，2019，40（1）：1-54.

［2］ 武小鵬，趙永虎，徐安花，等.黃土濕陷性與其物理力學(xué)指標的關(guān)系及評價方法［J］.長江科學(xué)院院報，2018，35（6）：75-80.

［3］ 馬閆，王家鼎，彭淑君，等.黃土濕陷性與土性指標的關(guān)系及其

預(yù)測模型［J］.水土保持通報，2016，36（1）：120-128.

［4］ 朱鳳基，南靜靜，魏穎琪，等.黃土濕陷系數(shù)影響因素的相關(guān)性分析［J］.中國地質(zhì)災(zāi)害與防治學(xué)報，2019，30（2）：128-133.

［5］ 舒志樂，朱世成，蔣洪.黃土濕陷特性與物性指標的相關(guān)性分析［J］.水力發(fā)電，2020，46（11）：120-124.

［6］ 張瑜，張興明，周志軍.黃土濕陷性及其影響因素分析［J］.公路，2020，65（8）：69-75.

［7］ 李金秋，王振興，侯新偉，等.冀南黃土狀土濕陷性與物性指標相關(guān)性分析及預(yù)測［J］.地質(zhì)調(diào)查與研究，2020，43（3）：259-264.

［8］ 郭倩怡，王友林，謝婉麗，等.黃土濕陷性與土體物性指標的相關(guān)性研究［J］.西北地質(zhì)，202 54（1）：212-221.

［9］ 劉穎瑩，謝婉麗，朱樺，等.陜西涇陽地區(qū)黃土固結(jié)濕陷試驗及預(yù)測模型研究［J］.西北地質(zhì)，2018，51（2）：227-233.

［10］ 李瑞娥，謝永利.模糊理論在黃土濕陷性預(yù)測中的應(yīng)用［J］.路基工程，2008（5）：22-23.

［11］ 高凌霞，趙天雁.黃土濕陷系數(shù)與物性指標間的定量關(guān)系［J］.大連民族學(xué)院學(xué)報，2004（5）：63-65.

［12］ 吳會東.山西北部地區(qū)黃土濕陷性快速判定方法研究［J］.鐵道工程學(xué)報，202 38（2）：35-40.

［13］ 住房和城鄉(xiāng)建設(shè)部.濕陷性黃土地區(qū)建筑標準：GB50025-2018［S］.北京：中國建筑工業(yè)出版社，2018.

［14］ 董貴宇，聶中明，陳希，等.黃土濕陷性與物理力學(xué)指標的相關(guān)性分析：以新疆伊犁地區(qū)黃土為例［J］.世界地質(zhì)，202 41（4）：751-762.

［15］ 程富強.大厚度黃土濕陷性影響因素及評價方法探討［J］.地質(zhì)裝備，202 23（1）：31-37.

［16］ 袁中夏.黃土動殘余變形的特性與機理研究［J］.國際地震動態(tài)，2011（2）：35-36.

［17］ 雷祥義.中國黃土的孔隙類型與濕陷性［J］.中國科學(xué)（B輯 化學(xué) 生物學(xué) 農(nóng)學(xué) 醫(yī)學(xué) 地學(xué)），1987（12）：1309-1318.

［18］ 馮小東.某仿真大壩地基黃土濕陷性評價［D］.蘭州：蘭州大學(xué)，2012.

［19］ 丁衛(wèi)鋒.引漢濟渭二期工程沿線黃土濕陷性評價研究［D］.西安：西安科技大學(xué)，2020.

［20］ 范寒光.西安地鐵工程黃土的濕陷性評價及應(yīng)對措施研究［D］.西安：長安大學(xué)，2016.

［21］ 申永慶.洛陽地區(qū)黃土濕陷性及其影響因素研究［D］.石家莊：石家莊經(jīng)濟學(xué)院，2015.

［22］ 韓慶.西安地鐵一號線黃土濕陷性研究［D］.西安：西安理工大學(xué)，2010.

［23］ 金晶，李宗昊，朱亮，等.BP神經(jīng)網(wǎng)絡(luò)在鐵路建設(shè)風(fēng)險評估中的應(yīng)用［J］.鐵道工程學(xué)報，2019，36（3）：103-109.

Analysis and quantitative prediction model of

loess collapsibility physical properties

WANG Kai LI Xiangguo LI Shuai CAO Chenxu 3

（1.Key Laboratory of Road and Railway Engineering Safety and Security，Ministry of

Education （Shijiazhuang Railway University），Shijiazhuang 050043，China;

2.School of Civil Engineering，Shijiazhuang University of Railways，Shijiazhuang 050043，China;

3.China Railway Beijing Bureau Group Corporation Baoding Public Works Section，Baoding 071000，China）

Abstract ：Based on the project of Tongding Expressway in Gansu Province，the correlation between loess collapsibility grade and single physical index is studied in this paper，and the physical index with strong correlation are determined by combining the results of a typical loess area of a road section and the field loess physical experiment.The BP neural network quantitative prediction model of collapsibility coefficient of loess applicable to the region was constructed on this basis.The results show that （1） the correlation between collapsibility coefficient of loess and natural water content，saturation，porosity，pore ratio，dry density and compression coefficient is strong，and the correlation with plasticity index and compression modulus is weak.（2） When the pore ratio e＜0.825，compression coefficient a＜0.244 and natural water content w＞18.2%，it can be judged that this type of soil does not have collapsibility.（3） The BP neural network can predict the collapsibility accurately and reliably，and its accuracy can meet the practical engineering applications.The research results can be used as a theoretical basis for research and field discrimination in terms of accurate evaluation of loess collapsibility grade in this area and similar projects，and has strong theoretical and practical application value.

Key words ：Loess collapsibility;Physical properties index;BP neural network;Prediction model

（本文責(zé)編：馮 婷）