粉土黏粒含量与塑性指数的相关性分析及应用

陆亚兵 肖文栋

(中航勘察设计研究院有限公司，北京 100098)



粉土黏粒含量与塑性指数的相关性分析及应用

陆亚兵 肖文栋

(中航勘察设计研究院有限公司，北京 100098)

通过收集北京南部地区粉土的土工试验资料，利用SPSS统计分析软件，对黏粒含量和其他物理性质指标进行相关性分析，得出黏粒含量与塑性指数的回归方程，并分析了附近场地粉土黏粒含量实测值与回归方程计算值的误差，验证了该回归方程在北京南部地区的实用性。

黏粒含量，塑性指数，回归方程，误差

0 引言

在岩土工程勘察阶段，土的黏粒含量直接影响到土的分类与定名，随着黏粒含量的改变，岩土的物理力学性质也会随之而改变。在岩土工程勘察中常需进行地基土液化判别和液化指数计算，而在进行液化判别时，常用到黏粒含量这一重要指标，其准确与否直接影响到判别结果的真实性和客观性。另外，在进行地基承载力特征值计算时，需依据粉土不同的黏粒含量采取不同的修正系数。黏粒含量的准确测定在工程实践中具有重要的意义[1]。

黏粒含量的测定一般采用密度计法，试验结果的计算以及绘制颗分曲线均十分繁琐。在以往的试验过程中不仅花费了大量的人力和时间，而且在查表及绘制曲线的过程中有时还会产生人为误差。由于工程地质条件的地域性、多样性，各地测试方法有所不同。对同一地区的试样，测试条件不同，测试结果会出现较大差异，同一试样，不同的实验室测试结果误差有时高达50%以上[2]。鉴于这种情况，需要寻找一种既快捷、高效又能满足工程要求的方法进行估算。

通过收集近几年来北京南部地区的大量土工试验资料，利用SPSS统计分析软件[3]对土的黏粒含量和物理性质指标(含水率w、液限wL、塑限wP、塑性指数IP、液性指数IL)进行回归分析，总结出一些规律，为该地区工程勘察中黏粒含量的确定提供新方法。

1 黏粒含量的分布特征

本次统计分析的3 725组样本选自北京南部地区，所选样本的黏粒含量区间内样本数占总样本数的百分比及分布情况见表1及图1。

由表1及图1可知，本次统计粉土样本的黏粒含量在4%～20%之间；黏粒含量的变化区间在12%～16%样本数占总样本数的55.7%，黏粒含量的变化区间在6%～18%样本数占总样本数的97.8%。

表1 不同黏粒含量区间样本数占总样本数的百分比 %

2 黏粒含量与土的物理性质指标之间的相关性分析

为了准确判别液化，北京地区的黏粒含量一般选取标贯器中的试样进行试验。由于标贯器的试样为扰动样，本次统计的土工试验只测试了粉土的黏粒含量ρc、含水率w、液限wL、塑限wP、塑性指数IP、液性指数IL。

本次利用SPSS统计分析软件绘制出黏粒含量ρc与其他五项物理性质指标的散点图，见图2～图6。

利用SPSS统计分析软件建立了粉土的黏粒含量与其他物理性质指标之间相关关系的回归方程，见表2。

表2 粉土的黏粒含量与其他物理性质指标的相关性分析

相关方程显著系数Sig相关系数R判定系数R2相关性ρc=0.1591w+9.73090.000.3700.1369低度相关ρc=0.7852wL-8.50240.000.6550.4286中度相关ρc=0.5255wP+2.58730.000.3360.1132低度相关ρc=2.6065IP-8.02650.000.9280.8615高度相关ρc=1.61IL+12.8630.000.3980.1581低度相关

由图2～图6及表2分析可知，含水率w、塑限wP、液性指数IL与黏粒含量ρc的相关性为低度相关；液限wL与黏粒含量ρc的相关性为中度相关；塑性指数IP与黏粒含量ρc的相关性为高度相关。塑性指数IP越大，黏粒含量ρc越高。反之，塑性指数IP越小，黏粒含量ρc越低。

3 黏粒含量与塑性指数回归方程的应用

利用SPSS统计分析软件总结出的黏粒含量ρc与塑性指数IP间的回归方程ρc=2.606 5IP-8.026 5在理论上应该可以应用到实际项目中求解黏粒含量，但最终能否实际应用到工程中，需要用实测数据进行检验并分析误差是否满足要求。

表3 黏粒含量实测值与计算值误差分析

根据以上分析可知，利用回归方程计算的黏粒含量与常规密度计法实测值总体上误差不大，相对误差平均值只有2.93%；相对误差小于5%的样本占总样本数的43.21%，相对误差小于10%的样本占总样本数的72.29%，相对误差小于20%的样本占总样本数的94.44%。

因此，利用SPSS统计分析软件总结出的黏粒含量ρc与塑性指数IP间的回归方程应用到北京南部地区附近场地的实际项目中产生的误差基本可以满足工程项目的要求。

4 结语

通过黏粒含量ρc与塑性指数IP的回归分析以及在工程的应用，得到如下结论：

1)北京南部地区粉土的含水率w、塑限wP、液性指数IL与黏粒含量ρc的相关性为低度相关；液限wL与黏粒含量ρc的相关性为中度相关；塑性指数IP与黏粒含量ρc的相关性为高度相关。

2)塑性指数IP越大，黏粒含量ρc越高。反之，塑性指数IP越小，黏粒含量ρc越低。

3)利用SPSS统计分析软件总结出的黏粒含量ρc与塑性指数IP间的回归方程ρc=2.606 5IP-8.026 5应用到北京南部附近地区的实际项目中产生的误差基本可以满足工程项目的要求，该回归方程应用到其他区域的误差能否满足工程要求还有待进一步检验。

[1] 何停印,闫芙蓉.粘粒含量与土的物理力学指标的相关关系[J].勘察科学技术，2004(4)：37-41.

[2] 吴秀勤,徐敏妤.影响粘粒含量测定准确度的因素[J].西部探矿工程，2004(4):9-10.

[3] 史文立.SPSS19.0统计分析从入门到精通[M].北京:清华大学出版社，2012：144-202.

Correlation analysis and application of clay particle content and plasticity index

Lu Yabing Xiao Wendong

(AVICInstituteofGeotechnicalEngineeringCo.,Ltd,Beijing100098,China)

Using SPSS statistical analysis software that works with clay particle content and other indexes of physical properties of the silt which distributes in the southern area of Beijing. Furthermore, the regression equation between clay particle content and plasticity index is simulated. In addition, the error analysis between the measured value of clay particle content in the vicinity of the site and the data calculated by the regression equation is done to validate the practicability of the regression equation in the southern area of Beijing.

clay particle content， plasticity index， regression equation, error

1009-6825(2016)10-0078-02

2016-01-23

陆亚兵(1983- )，男，硕士，工程师； 肖文栋(1987- )，男，助理工程师

TU446

A