基于范例推理的软基处理评价方案研究

杨 逾,郑志明

（辽宁工程技术大学土木与交通学院,辽宁阜新 123000）

基于范例推理的软基处理评价方案研究

杨 逾,郑志明

（辽宁工程技术大学土木与交通学院,辽宁阜新 123000）

高速公路软土地基处理方案是影响工程质量、工程造价和建设工期的关键因素之一。为制定技术可靠、经济合理、安全适用的软基处理方案,提出采用反映属性特征值之间的统计参数——变异系数来计算属性参数的权重,系统研究了基于变权的高速公路软基处理范例推理智能评价方法。通过大量有明确结论的软土处理工程实例,建立软土地基处理方案范例库,用变异系数来确定属性参数的权重,采用Euclidean Metric Distance计算公式计算目标范例与源范例的相似性,找到与目标范例最为相似的源范例。实例分析结果表明,基于变权的软基处理范例推理智能评价方法具有较高的可靠性。研究成果将为制定科学合理的软基处理方案提供科学依据。

道路工程；软土地基；范例推理；变异系数；欧几里得距离

2015,32（12）：93－97

1 研究背景

随着沿海经济发达地区的快速发展,沿海地区高速公路建设近些年发展迅猛。据2013年6月20日交通运输部公布的《国家公路网规划（2013—2030年）》统计,我国高速公路总里程已增加到11.8×104km[1］。修建于沿海地区的高速公路软土路基将不可避免地发生路堤迅速沉降、路堤整体滑动、路面破坏、与桥台衔接处产生差异沉降等软土路基常见病害[2－3］,影响道路交通使用安全,甚至诱发交通事故,造成巨大的财产损失和资源浪费。

软基处理技术方案已经比较成熟,但不可否认的事实是软基处理方案选择仍面临影响因素众多、设计理论不成熟、工程类似经验难以普及推广应用等诸多问题。对工程经验少、影响因素多的软基处理工程来说,在软基处理方案选择时,就存在一定的无方向性[4－5］。因此,如何结合工程实际情况,根据已有经验,预先提出技术可行、施工安全、经济合理且效果显著的软基处理技术评价方案具有十分重要的意义。

CBR技术（基于范例的推理技术）是20世纪90年代后期兴起的一项人工智能技术,其基本原理是建立已往解决类似问题经验和方法的数据库,通过工程类比,提出解决类似工程问题的优选方案[6－8］。CBR技术已广泛应用于医疗诊断、气象预测和工程治理方案优化等领域,具有其它推理技术无法比拟的优越性[9］。近些年国内外广大工程建设者和科研工作者通过大量工程实例建立了许多成熟的软基处理技术方案,这给利用CBR技术进行软基处理评价的研究提供了可靠的数据依据[10－11］。

2 基于变权的软基处理方案范例推理决策模型

2.1 软基处理源范例库的建立

通过已有处理方式明确、效果显著的软基处理工程实例,收集该类工程如软土层厚度hs、压缩模量Es、硬壳层厚度hy和填土高度ht等属性参数及其对应的软基处理方式,建立源范例库（S）。将某高速公路软基处理工程问题作为目标范例（T）,通过目标范例（T）与源范例（S）之间的相似度计算,对比分析T与S之间的相似程度,从而得到目标范例T的解决方案,即合理确定某一特定工程软基处理方案。

2.2 属性参数的选择

选择软基处理方案时需要考虑的影响因素众多,在建立软基处理方案评价模型时不可能一一考虑。而大量事实表明,某些影响软基处理方案评价的指标是相互关联的,例如折学森[12］认为,软土的孔隙比e、含水量ω、压缩系数α1－2和压缩模量Es之间具有一定的内在联系,所以在建立软基处理方案评价的源范例库时,可选择上述因素中具有代表性的指标作为范例库的属性参数；张诚厚等[13］对公路软基处理问题的研究结果表明：软土土层厚度hs和填土高度ht是影响软基处理技术的2个主要影响因素；朱福等[14］则认为软土地表硬壳层厚度hy对路基的应力扩散、对路堤的支撑及稳定等影响显著,建议选取hy作为范例库的又一属性参数。

综上选择Es,hs,ht和hy4个指标作为软基处理范例决策模型的属性参数[15］。

2.3 软基处理方式

修建于软土地基的高速公路需根据地质条件确定地基是否需要进行处理作出评价。对某些地质条件下的软弱土地基若处理方案选择不当,则不仅会破坏软土的原有结构,使之强度大大降低,导致地基产生过大的附加沉降,影响道路交通使用安全甚至造成工程事故,而且也有可能会造成巨大的资源浪费。因此需要运用智能评价方法对处理方式作出经济合理、技术可靠的软基处理方案决策。常见的高速公路软基处理技术方式见表1。

表1 地基处理方式Table 1 Methods of foundation treatment

2.4 属性权重的确定

目前,确定影响因素权重的手段主要包括：专家咨询法（Delphi Method）、主成分分析法、AHP法、熵值法、因子分析法和人工神经网络法等[16－17］。但上述方法确定的权重均存在一定的盲目性,即未考虑在不同的决策条件下,相同的影响因素会对决策结果产生不同的影响。基于此,根据变权的概念,提出采用变异系数Cvj来计算属性参数的权重,计算公式为：

式中：Cvj为第j个参数的变异系数；ωj为第j个参数的权重,其中j＝1,2,…,m。

2.5 相似度计算

CBR法通过计算目标范例T与源范例S的相似度来评价二者的相似程度,并据此确定目标范例的最优解。常用的CBR模型主要包括：基于Euclidean metric（欧几里得度量）、Manhattan Distance（曼哈顿距离）和模糊相似优先的CBR推理模型。本文采用式（5）来计算目标范例T和源范例S的相似程度。

由于各属性参数的量纲不同,因此采用式（6）和式（7）对各属性参数进行规范化处理,将各属性参数值换算到[0,1］区间。

越大越优型：

越小越优型：

式中：max xj和min xj分别为软基源范例中,第j个属性的最大值和最小值。

3 软基处理工程实例

3.1 软基工程概况

某滨海软土地区高速公路设计行车速度120 km/h,双向4车道,路基宽32 m,总长52.36 km。全线穿越滨海软土地区,填方路基均高度介于1.5～6.3 m之间,分布有厚度不等的软土,需处理的软基长度41.25 km,占总线路的78.78%。沿线广泛分布第四系全新统（Q4）、上更新统（Q3）和中更新统（Q2）地层对工程影响广泛。沿线不良地层主要分布在起点K2＋525至K40＋725处,土层为全新统顶段冲积层上部的淤泥质土,对本项目工程影响最为显著,对路桥工程影响较大。从土体工程力学指标来看,该段软土具有压缩性高、强度低等特点,对路基的稳定性和线路的平顺性会产生较大影响,需对该软土地基进行处理。

3.2 属性参数的选择

本文以文献[12］中的15个软基处理工程实例和第3.1节中的某高速公路软基处理工程作为研究对象,为验证CBR技术的可行性,将文献[12］的1－12个软基处理工程实例作为源范例,13－16工程实例作为目标范例,根据前述方法,通过计算获得13－16软基处理工程的处理方式,并进行验证。其属性参数包括：Es,hs,ht和hy。属性参数值及对应的处理方式见表2。

表2 软基处理工程实例Table 2 Engineering examples of soft foundation treatment

由于属性参数的量纲不同,所以各属性参数之间具有不可公度性,因此先采用式（6）和式（7）对表2中的数据进行规范化处理。其中hs和ht为越小越优型参数,而hy和Es为越大越优型参数,规范化结果见表3。

表3 软基处理工程实例数据的规范化处理结果Table 3 Processing results of standardized data of engineering example for soft foundation treatment

3.3 权重的确定

利用第2.4节的理论,对表3数据进行计算,得到属性参数的平均性指标、均方差指标和变异性指标。据此得到各属性参数的权重,见表4和表5。

表4 平均性指标和均方差指标Table 4 Indexes of mean value and mean square deviation

表5 变异性指标及权重Table 5 Indexes of variability and weight

3.4 相似度计算

根据式（5）进行计算目标范例与源范例的相似度计算,结果如表6所示。

表6 目标范例与源范例之间的相似性Table 6 Similarity between the target case and the source case

从表6可以看出,目标范例13与源范例2最相似,对应的处理方式为不处理；目标范例14与源范例8最相似,对应的处理方式为深层处理；目标范例15与源范例11最相似,对应的处理方式为深层处理。可见上述结论与文[12］中软基处理工程方案一致,说明采用本文提出的软基处理方案来评价软基处理工程方案有效,可以用于类似软基处理工程的智能处理方案决策中。因此目标范例16即本文提到的某高速公路软基处理工程与源范例11最相似,因此该工程对应的处理方式应为深层处理。

4 结 论

本文以某高速公路软土地基处理方案为研究对象,提出采用反映属性特征值之间的统计参数——变异系数来计算属性参数的权重,系统地研究了基于变权的高速公路软基处理范例推理智能评价方法。获得的主要结论如下：

（1）根据变权的概念,提出通过计算变异系数来而确定各属性参数的权重。采用Euclidean Metric Distance计算公式计算目标范例与源范例的相似性,对目标范例软基工程的处理方案进行智能评价决策。

（2）计算结果表明,采用基于变权的软基处理方案范例推理决策模型来评价软基处理工程方案完全可靠。通过计算得出,本文选择的某高速公路软基处理方法应为深层处理。

（3）本文提出的基于变权的软基处理方案范例推理决策模型存在一些难以逾越的不足,例如软基处理方式仅给出不处理、浅层处理、深层处理3类宽泛的分类,而实际浅层处理又包含换填土、砂垫层等方法；深层处理包含砂井预压、粉体搅拌桩和碎石桩等具体处理方案。本文并未对此进行详细的分析,给出具体的软基处理方案,需要在以后的研究中做进一步的探讨。

[1]杨仲元.软土地基处理技术[M］.北京：中国电力出版社,2009.（YANG Zhong-yuan.Treatment Technology of Soft Soil Foundation[M］.Beijing：China Electric Power Press,2009.（in Chinese））

[2]ARAI K,OATH H,KOJIMA K.Estimation of Soil Parameters Based on Monitored Movement of Subsoil under Consolidation[J］.Soils and Foundations,1984,24（4）：95－108.

[3]黄瑞章.道路工程软土地基处理方案选择研究[D］.福州：福建农林大学,2013.（HUANG Rui-zhang.Research on the Selection of Treatment Scheme for the Soft Soil Foundation of Road Engineering[D］.Fuzhou：Fujian Agriculture and Forestry University,2013.（in Chinese））

[4]曹雪山.某高速公路软土地基处理设计方案分析[J］.岩土工程学报,2011,33（增1）：220－222.（CAO Xueshan.Analysis of Ground Improvement of A Highway in the Soft Clay Ground[J］.Chinese Journal of Geotechnical Engineering,2011,33（Sup.1）：220－222.（in Chinese））

[5]赵明华,刘建华,刘 煌,等.滨海公路软土路基变形机理及其沉降预测研究[J］.公路交通科技,2006,23（1）：32－35.（ZHAO Ming-hua,LIU Jian-hua,LIU Huang,et al.Deformation Mechanism and Settlement Forecast of Soft Clay Embankment in Coastal Region[J］.Journal of Highway and Transportation Research and Development,2006,23（1）：32－35.（in Chinese））

[6]周继成.人工神经网络——第六代计算机的实现[M］.北京：科学普及出版社,1993.（ZHOU Jicheng.Artificial Neural Network：The Realization of the Sixth Generation of Computers[M］.Beijing：Popular Science Press,1993.（in Chinese））

[7]周开利,康耀红.神经网络模型及其MATLAB仿真程序设计[M］.北京：清华大学出版社,1998.（ZHOU Kai-li,KANG Yao-hong.Neural Network Model and MATLAB Simulation Programming[M］.Beijing：Tsinghua University Press,1998.（in Chinese））

[8]苏舍明.Matlab工具箱应用[M］.北京：电子工业出版社,2004.（SU She-ming.Application of Matlab Toolbox[M］.Beijing：Publishing House of Electronics Industry,2004.（in Chinese））

[9]肖位枢.模糊数学基础与应用[M］.北京：航空工业出版社,1992.（XIAO Wei-shu.Basic and Applications of Fuzzy Mathematics[M］.Beijing：Aviation Industry Press,1992.（in Chinese））

[10］陈向阳,夏元友,鄢恒珍.高速公路软基处理方案智能决策模型研究[J］.中外公路,2006,26（5）：127－129.（CHEN Xiang-yang,XIA Yuan-you,YAN Heng-zhen.Research on Decision Model of Soft Ground Improvement of Expressways[J］.Journal of China＆Foreign Highway,2006,26（5）：127－129.（in Chinese））

[11］冯仲仁,陈向阳,鄢恒珍.基于范例推理的公路软基处理方案决策模型[J］.岩土力学,2004,25（11）：1779－1781.（FENG Zhong-ren,CHEN Xiang-yang,YAN Hengzhen.Decision Model of Soft Ground Improvement of Expressways Using Case-based Reasoning[J］.Rock and Soil Mechanics,2004,25（11）：779－1781.（in Chinese））

[12］折学森.软土地基沉降计算[M］.北京：人民交通出版社,1998.（ZHE Xue-sen.Settlement Calculation of Soft Soil Foundation[M］.Beijing：China Communications Press,1998.（in Chinese））

[13］张诚厚,袁文明,戴济群.高速公路软基处理[M］.北京：中国建筑工业出版社,1997.（ZHANG Cheng-hou,YUAN Wen-ming,DAI Ji-qun.Soft Foundation Treatment of Expressway[M］.Beijing：China Architecture and Building Press,1997.（in Chinese））

[14］朱 福,战高峰,佴 磊.天然软土地基路堤临界高度一种计算方法研究[J］.岩土力学,2013,34（6）：1738－1744.（ZHU Fu,ZHAN Gao-feng,NIE Lei.Study of A Calculation Method of Critical Height of Embankment on Natural Soft Soil Foundation[J］.Rock and Soil Mechanics,2013,34（6）：1738－1744.（in Chinese））

[15］陈向阳.高速公路软基处理方案智能评价与优化方法研究[D］.武汉：武汉理工大学,2008.（CHEN Xiangyang.Study on Intelligent Evaluation and Optimization Methods of the Soft Ground Improvement of the Expressway[D］.Wuhan：Wuhan University of Technology,2008.（in Chinese））

[16］赵秋鹏.基于AHP的范例推理在黄土边坡稳定性中的应用[J］.地下水,2013,35（4）：214－216.（ZHAO Qiupeng.The Application in the Loess Slope Stability Using AHP Case-based Reasoning[J］.Ground Water,2013,35（4）：214－216.（in Chinese））

[17］ARAI K,OHTA H,YASUI T.Simple Optimization Techniques for Evaluating Deformation Module from Field Observations[J］.Soils and Foundations,1983,23（1）：107－113.

（编辑：曾小汉）

Study on Scheme Evaluation of Soft Foundation Treatment Using Case-based Reasoning

YANG Yu,ZHENG Zhi-ming
（School of Civil Engineering and Transportation,Liaoning Technical University,Fuxin 123000,China）

Treatment scheme of soft soil foundation in highways is one of the key factors influencing project quality,project cost and construction period.In order to present treatment schemes of soft foundation which are reliable,economic,safe and suitable,we introduce variation coefficient which is a kind of statistical parameter that can reflect characteristics of attributes to calculate weight of attribute parameters.In association with variable weight,we propose an intelligent evaluation method using case-based reasoning.Through a lot of examples of the soft soil treatment in foundation projects which have clear conclusions,we established a database of treatment scheme for soft soil foundation.Then,the similarity between the target case and source case is calculated by using Euclidean Metric Distance formula.At last,we find the source case which is the most similar to the target case.The results of case study show that,on the basis of variable weight,the intelligent evaluation method using case-based reasoning for soft foundation treatment of expressways is reliable,and the research results will provide a scientific and reasonable basis for soft foundation treatment.

road engineering；soft soil foundation；case-based reasoning；variation coefficient；Euclidean

U416.1

A

1001－5485（2015）12－0093－05

10.11988/ckyyb.20140577

2014－07－14；

2014－08－12

国家自然科学基金项目（51274111）；辽宁省博士后集聚工程项目（2011921019）

杨 逾（1973－）,男,甘肃张掖人,教授,硕士生导师,双博士后,主要从事地下工程相关的教学及科研工作,（电话）15941897002（电子信箱）yangyu9300＠163.com。

Metric Distance