川南地区土体特征参数的试验研究及分析

2019-05-21兰俊太

人民珠江 2019年5期

兰俊太

(四川省煤田地质工程勘察设计研究院，四川成都610072)

在工程项目的设计过程中，有效合理地设计参数对保证合理的有效设计具有重要的作用。但由于区域性特征的存在，对相关参数的求解进行规律性分析就具有其必要性。其中，固结参数对评价土体的压缩性及指导设计都具有重要的作用，许多学者对其进行了研究，如邹宇等[1]研究了吹填土在固结试验过程中的影响因素，得出了不同试验影响参数对试验结果的影响规律；赵晓龙等[2]则对非饱和土体重塑后进行固结试验，得出了相应的规律；薛志佳等[3]则对固结排水的效果进行了神经网络预测，取得了较好的效果；吴治厚等[4]利用三轴固结试验，分析了上海地区不同影响因素对试验结果的影响规律。同时，在该文应用的相关系数分析方法中，张世强等[5]、李秀敏等[6]对相关系数的原理及适用性进行了深入的探讨，为该文提供了理论基础。另外，蒋建平等[7]利用BP神经网络预测了土体压缩系数，预测精度相对较高；高雪峰[8]则利用BP神经网络预测了土体的前期固结压力，验证了该方法预测的有效性。但上述研究均缺少对土体参数特征的研究，且没有针对川南地区的土体参数的规律进行研究，也未有效地建立土体参数与固结参数之间的预测模型。因此，该文基于现场及室内试验，分析川南地区土体参数的基本特征及其分布规律，并利用BP神经网络建立土体参数对固结参数的预测模型，以期为该地区土体参数的规律性研究提供一定的理论及实践基础。

1 基本原理

1.1 相关系数

相关系数是统计学中常用的统计指标之一，该方法是以积差作为其计算的方法，利用两变量相互及其单独的平均离差为统计基础，进而得出相关系数，其能很好地反映两变量之间的相关性及其密切程度，若两变量的集合形式为{(xi,yi)|i=1,2,…,n}，则可将两变量的相关系数表示为：

(1)

根据相关系数的计算结果，可以对两变量的相关性进行评价，若相关系数为正则认为两变量之间为正相关，即其中一变量随另一变量的增加而增加；若相关系数为负则认为两变量之间为负相关，即其中一变量随另一变量的增加而减小。同时，为进一步评价相关程度，将相关系数的绝对值进行划分，共分为3个区间，即|r|<0.3，则两变量为低程度相关；0.3<|r|<0.7，则两变量为显著性相关；|r|>0.7，则两变量为高程度相关。

1.2 BP神经网络

BP神经网络是一种应用较广的多层前馈神经网络，具有很好的非线性预测能力。其利用网络学习过程中的误差修正，不断优化各层的连接权值，最终达到期望的预测值。在模型的建立过程中，该文以Sigmoid函数作为预测模型的激活函数，其表达式为：

(2)

f′(x)=f(x)[1-f(x)]

(3)

进一步可将误差函数表示为：

(4)

式中Yj——期望误差值；Ymj——输出值；n——样本长度。

当网络预测的输出值没有达到期望误差时，则应对网络的权值等进行修正，可将修正的表达式表示为：

wji(t+1)=wji(t)+ηδpjopj

(5)

(6)

式中wji——连接权值；η——网络学习率；opj——输出值；δpj——修正值。

另外，在BP神经网络的应用过程中，需要将样本分为学习样本和检验样本，该文结合实例对样本进行了划分，且利用MATLAB软件实现神经网络的预测。

2 实例分析

2.1 工程概况

喜德县地处四川省西南，凉山州的中北部，地质环境条件复杂，降雨量集中且多暴雨，自然形成的地质灾害较多，喜德县的地质灾害类型主要包括滑坡、泥石流、崩塌、不稳定斜坡和地面塌陷五类。地质灾害隐患点162处，其中滑坡125处，所占百分比为77.16%；泥石流31处，所占百分比为19.14%；不稳定斜坡3处，所占百分比为1.85%；崩塌2处，所占百分比为1.23%；地面塌陷1处,所占百分比为0.62%。以滑坡和泥石流灾害居多。按规模计，以小型为主，共计有139处，所占比例为85.8%；中型共计有22处，所占比例为13.58%；大型共计只有1处，所占比例为0.62%。

根据现场的勘察及调查资料，喜德县境内出露地层以第四系全新统地层为主，且主要为粉土和粉质黏土。为充分掌握县境内土体特征，在该县2015年详查过程中，对县境内的粉土和粉质黏土进行取样试验，包括筛分试验、固结试验。为掌握其土体特征，该文对试验结果进行统计分析。

2.2 土体参数特征

a) 粒径的区间分布特征。该文利用筛分试验分析土体的颗粒粒径特征，选取41组筛分试验的结果，其中粉土共有32组，而粉质黏土共有9组，经过统计得出该地区2种土体的粒径分布区间见表1。由表1可知，该线路区域的粉土及粉质黏土的粒径分布区间具有一定的差异，粉土的粒径整体要略大于粉质黏土的粒径分布区间，但两者均是主要集中在0.075～0.005 mm区间，粉土所占比例为82.75%，而粉质黏土所占比例为74.66%，其次是小于0.005 mm区间所占的比例，而在该区间粉质黏土所占的比例要大于粉土。该区域粉土与粉质黏土不仅是在塑性指数上具有差异，且在粒径分布区间上也具有一定的差异，主要表现为粉土的粒径分布区间要略大于粉质黏土的粒径分布区间。

表1 土体粒径的分布区间 %

b) 土体深度的分布特征。由前文的现场调查可知，该地区的土层以粉土和粉质黏土为主，且具有互层分布的特点。因此，该文基于固结试验在不同深度取样的土体类型进行统计，得出粉土和粉质黏土在不同深度区间的分布规律，相关统计结果见表2。由表2可知，粉质黏土主要分布在近地表及本次取样最大深度的底部，其在小于4 m埋深区间分布最多，分布的概率为27.27%，而在10～13 m区间的分布最少，分布概率为3.03%；同时，粉土在小于4 m埋深区间分布最少，分布概率为3.85%，而在13～16 m区间的分布最多，分布概率为23.08%。综合得出：该地区粉质黏土主要分布在土层的上部和底部，中部主要分布粉土。

表2 不同深度土体类型的分布特征 %

c) 土体物理参数的基本特征。为进一步掌握该地区土体的基本特征，该文还对该地区的土体进行了物理性质参数的测定，同时也对该地区土体的物理参数的基本情况进行统计分析，主要对土体的含水率、天然密度、颗粒密度、孔隙比及饱和度进行了统计，基本统计量见表3。

表3 物理参数的特征统计量

注：表中方差无单位

由表3统计可知，该地区土体的平均含水率为23.85%，但其最低含水率为14.80%。最高含水率为35.40%，分布区间较广，且含水率的方差为16.949，说明该地区土体的含水率变化波动较大，区域性差异较大；该地区土体天然密度的平均值为1.93 g/cm3，方差为0.007，说明该地区土体的天然密度较稳定，土体的均质性较好；对比颗粒密度可知，该地区的颗粒密度的均值为2.71 g/cm3，且其方差仅为0.000 1，这说明该地区土体颗粒的母岩来源基本一致，土体颗粒的物理及力学性质基本一致；该地区土体的孔隙比均值为0.74，最小孔隙比为0.48，说明该地区土体的综合压缩性质为中压缩性土，局部存在低压缩性和高压缩性土；最后，该地区土体的饱和度均值为87.27%，且其方差为72.442，说明该地区土体饱和度的差异较大，区域性变化较明显，对土体的力学性质影响较大，尤其是可能出现非饱和土的压缩变形，对该文线路施工过程中造成不利影响，因此有必要对该地区土体进行固结试验，以进一步了解该地区土体的固结参数，进而合理有效的指导施工。

2.3 土体固结试验特征

为进一步掌握该地区土体的压缩性质，在勘察过程中，对该地区土体进行了取样及相应的固结试验。该文统计了相关试验结果参数，分析该地区土体的固结参数的特征，其中统计了33组粉土和26组粉质黏土固结试验的结果，并在固结试验过程中，压力区间主要探讨了100～200 kPa和200～400 kPa 2个区间，前者主要用于计算一般工点所需的相关参数，而后者主要是用于计算桥涵工点的相关参数计算。经过对试验结果的统计，得出固结试验的压缩系数及模量的基本统计量见表4。

表4 固结试验结果统计量

注：表中方差无单位

由表4可知，该地区土体的压缩系数和模量值随试验围压的增加具有不同的特点，前者是随围压的增加出现减小，而后者是随围压的增加而增大，且后者增加的幅度要大于前者减小的幅度，这说明压缩模量对试验围压的敏感性要大于压缩系数对试验围压的敏感性。并对比两者试验结果的方差可知，压缩模量的方差均较大，也说明压缩模量参数在试验过程具有更强的波动性。同时，以试验围压在100～200 kPa之间的压缩系数判定，该地区的粉土和粉质黏土均为中等压缩性土，且对比粉土和粉质黏土的试验结果可知，粉质黏土的压缩系数和模量在对应试验围压下均小于粉土的对应值，得出该地区粉质黏土的可压缩性较粉土要小，这与2种土体颗粒组成及其含水率具有较大的关系。而土体的含水参数与其埋深直接相关，对土体固结试验取样深度进行统计，并对比试验结果，得出两者的关系见表5。

表5 埋深与固结试验结果的相关性统计

由表5可知，粉土的压缩系数和模量与其取样深度均为负相关，且相关性较小；而粉质黏土的压缩系数与深度呈负相关，压缩模量与深度呈正相关，且两者均是显著性相关。这说明该地区粉质黏土的压缩参数对深度的敏感性较大，而粉土的压缩参数对深度的敏感性相对较小。

因此，考虑到土体的物理参数对土体的压缩性参数具有较大的影响，该文利用相关系数进一步分析该地区土体物理参数与压缩系数和模量之间的关系，相关结果见表6、7。

表6 粉土固结参数与其物理参数的相关系数

由表6可知，粉土固结参数与其物理性质之间的相关性较小，其中最大的相关系数为0.477，为正相关，其余参数相互之间的相关系数均不大。同时，由表7可知，粉质黏土固结参数与其物理参数之间的相关系数均较大，以颗粒密度参数与固结参数的相关性最小，而最大的相关性系数为0.8，最小的相关系数为-0.802，得出粉质黏土物理性质参数和固结参数之间的相关性较大。

表7 粉质黏土固结参数与其物理参数的相关系数

另外，进一步对不同试验围压下，两者固结参数与物理参数相关性的差异进行对比，相关结果见图1、2。由图1可知，在不同试验围压条件下，2种土体压缩系数与其物理参数之间的相关系数差异性较大，主要表现为粉质黏土的相关系数要大于粉土的相关系数，且两者的相关性趋势基本一致，这说明在该地区土体粉质黏土的压缩系数与其物理参数的相关性较大，而粉土的相关性相对较小；同时，对比不同物理参数在2种土体中相关系数可得，在土体的物理参数中，以颗粒密度及饱和度两参数与压缩系数的相关系数相对较小。由图2可知，2种土体压缩模量与其物理参数的差异相对更大，粉质黏土压缩模量与其物理参数的相关性明显高于粉土压缩模量与其物理参数的相关性。

a) 100～200 kPa的试验围压

b) 200～400 kPa的试验围压图1 土体压缩系数与物理参数的相关性

a) 100～200 kPa的试验围压

b) 200～400 kPa的试验围压图2 土体压缩模量与物理参数的相关性

2.4 土体固结参数的预测

前文分析了该地区土体参数及固结试验结果的基本特征，得出土体的压缩系数和压缩模量与土体取样的埋深及其物理参数存在较大的相关性。进一步利用BP神经网络构建该地区固结试验参数的预测系统，即以取样深度及5个物理参数为输入层，以压缩系数和压缩模量为输出层，旨在建立土体埋深及其物理参数和其对应的固结参数之间的关系，通过现场得出的物理参数对固结试验进行有效的预测。同时，由于粉土的试验数为33组，将其前26组作为训练样本，后7组作为检验样本，而粉质黏土试验数为26组，将其前20组作为训练样本，后6组作为检验样本，并以MATLAB实现该文的BP神经网络，试验结果详见表8、9。

由表8可知，粉土在不同固结参数及不同围压下的预测结果具有一定的差异，且随试验序号的差异也表现出不同的预测精度，最大的预测误差为6.43%，最小的预测误差为1.11%，对比可得压缩模量的预测精度要高于压缩系数的预测精度。而由表9可知，粉质黏土在不同固结参数及不同围压下的预测结果也具有不同的预测精度，也表现为压缩模量的预测精度要高于压缩系数的预测精度，并进一步对比粉土和粉质黏土的预测结果，得出粉质黏土的预测精度要略高于粉土的预测精度。为进一步对比2种土体的预测精度，对2种土体在对应参数及试验围压条件下的预测相对误差进行期望及方差统计，相关结果见表10。

表8 粉土固结参数预测结果

表9 粉质黏土固结参数预测结果

表10 预测期望及方差统计

注：表中方差无单位

由表10可得粉土和粉质黏土预测相对误差的期望及其方差具有较大的规律性。在压缩系数中，高试验围压条件下的预测误差要低于低试验围压条件下的预测误差，而压缩模量则具有相反的规律，且在对应试验围压条件下，压缩模量对应的预测误差要低于压缩系数的预测误差，而对比两种土体在对应参数及对应试验围压条件下，粉质黏土的预测精度要高于粉土的预测精度，主要是因为粉质黏土固结参数与取样深度和物理参数的相关性相对较大，这与前文的分析相符，验证了前文分析的有效性，也得出了该文BP神经网络预测的有效性。