[發明專利]基于瑞雷波的基礎沉降變形預測方法

有效

• 申請號: 201610118303.2
• 申請日: 2016-03-02
• 公開（公告）號: CN105735370B
• 公開（公告）日: 2017-11-14
• 發明（設計）人: 李鵬;葉啟民;李國和;齊春雨
• 申請（專利權）人: 中國鐵路設計集團有限公司
• 主分類號: E02D33/00
• 分類號: E02D33/00
• 代理公司: 天津創智天誠知識產權代理事務所(普通合伙)12214
• 代理人: 陳昌娟

技術領域

本發明涉及土木工程中基礎沉降變形研究領域，特別是涉及基于瑞雷波的基礎沉降變形預測方法。

背景技術

基礎沉降變形預測是土木工程設計中的一項重要內容。現有的基礎沉降預測方法主要有基于初期實測沉降資料預測沉降發展規律的經驗模型法、以分層總和法為代表的工程實用計算法和考慮土體復雜本構模型的數值計算法。經驗模型法需開展現場施工沉降動態觀測，需在現場預壓一定時間后才能開展后期沉降預測；工程實用計算法和數值計算法利用鉆探取樣室內土工試驗來獲取基礎沉降影響范圍內各地層土體物理力學指標并開展基礎沉降計算，鉆探取樣室內土工試驗獲取土體物理力學指標的勘探成本高、測試周期長，且對樣本擾動大，最終預測結果與實際觀測結果往往存在較大差別。

發明內容

針對現有基礎沉降預測技術所存在的問題，本發明提供一種簡單易行、省時高效，預測效果良好的基于瑞雷波的基礎沉降變形預測方法。

瑞雷波測試技術是近年來巖土工程領域工程地震探測的一種新方法，具有現場原位測試簡單、測試速度快、費用低以及對原結構物無損壞等優點。瑞雷波頻散曲線的變化與地下地質條件存在密切聯系，通過頻散曲線的特征識別，可得到探測方向上一定范圍內的地質構造情況。瑞雷波在介質中的傳播速度與介質的工程物理特性有關，現有研究表明，瑞雷波與土體壓縮模量之間存在良好的關系，結合上部荷載條件，可利用其來估算基礎沉降變形。

支持向量機(Support Vector Machine)是基于統計學習理論的一種新的通用機器學習方法，它是建立在一套較好的有限樣本下機器學習的理論框架和通用方法，它既有嚴格的理論基礎，又能較好地解決小樣本、非線性、高維數和局部極小點等實際問題，其核心思想就是學習機器要與有限的訓練樣本相適應。支持向量機中的支持向量是通過解一個凸二次優化問題獲得的，它能保證找到的解是全局最優解。

本發明的基于瑞雷波的基礎沉降變形預測方法包括以下步驟：

S1、對基礎場地開展瑞雷波測試：測得不同頻率的瑞雷波沿地面傳播的振動波形；

S2、瑞雷波測試結果反演：基于步驟S1測得的瑞雷波振動波形，計算各頻率條件下瑞雷波的傳播速度，繪制瑞雷波頻散曲線圖，反演基礎沉降影響深度范圍內的各地層厚度和瑞雷波傳播速度；

S3、收集類似場地數據樣本：收集整理類似場地基礎深度影響范圍內的數據樣本，所述數據樣本包括各地層的厚度及瑞雷波傳播速度、場地附加應力及場地實測最終沉降量，將其中的場地附加應力、各地層的厚度和瑞雷波傳播速度依次排列，構成輸入樣本數據；將場地實測最終沉降量作為輸出樣本數據，并將樣本數據做歸一化處理；

S4、基于瑞雷波的最小二乘支持向量機基礎沉降數據樣本進行訓練和測試：將收集的所述數據樣本隨機分為兩部分：數據樣本的75％作為基于瑞雷波的最小二乘支持向量機基礎沉降的訓練樣本，25％作為測試樣本，通過粒子群算法對輸入樣本數據和輸出樣本數據之間的最小二乘支持向量機參數進行優化，獲得最小二乘支持向量機最優參數；

S5、建立基于瑞雷波的最小二乘支持向量機基礎沉降計算模型：將S4中所獲得的最小二乘支持向量機最優參數作為基于瑞雷波的最小二乘支持向量機基礎沉降計算模型的初始參數，利用訓練樣本，對優化參數的最小二乘支持向量機進行訓練，得到基于瑞雷波的最小二乘支持向量機基礎沉降計算模型；

S6、基礎沉降量預測：將待預測場地的附加應力及步驟S2反演所得基礎沉降影響深度范圍內的各地層厚度和瑞雷波傳播速度輸入步驟S5得到的計算模型，預測出基礎沉降量。

本發明的預測方法以現場瑞雷波測試反演結果為基礎，結合地基土體上部附加荷載，采用統計學習理論，利用最小二乘支持向量機算法預測基礎沉降變形。通過現場瑞雷波測試反演結果及最小二乘支持向量機良好的有限樣本自學習能力，能科學快速地預測基礎沉降變形。該預測方法簡單易行、省時高效，預測效果良好，可以避免傳統鉆探取樣對地基土體的擾動及測試結果不準的影響，也無需在現場長期進行沉降監測，可廣泛應用于土木工程領域各類地基基礎沉降變形的預測。

附圖說明

圖1是本發明的基于瑞雷波的基礎沉降變形預測方法的流程圖。

具體實施方式

下面結合附圖對本發明的技術方案作進一步說明。