黄河流域砂土液化判别模型及应用

作     者：仪晓立 王振军 侯向阳 惠冰 孙巍 张旭 苗鑫 YI Xiaoli;WANG Zhenjun;HOU Xiangyang;HUI Bing;SUN Wei;ZHANG Xu;MIAO Xin

作者机构：中铁一局集团建设安装工程有限公司陕西西安710000 山东省交通科学研究院山东济南250104 

出 版 物：《粉煤灰综合利用》 (Fly Ash Comprehensive Utilization)

年 卷 期：2024年第38卷第3期

页      面：50-53,130页

学科分类：08[工学] 080104[工学-工程力学] 0815[工学-水利工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：山东省交通运输科技计划项目(2023B46) 

主　　题：粒子群算法 支持向量机 砂土液化 判别预测 

摘      要：砂土液化导致地基承载力下降,合理判别砂土液化程度对防治地基下沉等灾害具有重要意义。借鉴机器学习方法,选取30组砂土液化数据样本,建立粒子群算法改进最小二乘支持向量机砂土液化判别模型,并与SVM砂土液化判别模型和BP砂土液化判别模型进行了对比分析。结果表明:LSSVM模型通过PSO算法优化后确定正则化参数为323.125 247 535、核参数为1.015 053 246 5。对于15组训练样本,PSO-LSSVM砂土液化判别模型和SVM砂土液化判别模型回判准确率为100%,BP砂土液化判别模型回判准确率为93.3%;对于5组测试样本,PSO-LSSVM砂土液化判别模型预测准确率为100%,而SVM砂土液化判别模型和BP砂土液化判别模型预测准确率为80%;在黄河流域砂土液化预测中,PSO-LSSVM砂土液化判别模型具有更高的预测精度,可指导工程技术人员预测砂土状态制定防治措施。