23、高塑性黏土一致性与压实特性预测：回归分析与人工神经网络的应用

高塑性黏土一致性与压实特性预测：回归分析与人工神经网络的应用

1. 引言

在各类场地调查中，确定土壤的一致性和压实特性至关重要。土壤的一致性特性体现了其与水的相互作用关系，对于细粒土尤为关键。而压实则是常见的岩土工程应用，在土方工程中不可或缺。不过，传统的确定塑性指数、最佳含水量和最大干单位重量的测试方法复杂且耗时。因此，通过回归分析和人工神经网络来预测这些特性成为了研究热点。

2. 材料与方法

• 软件工具 ：使用 Microsoft Excel 和 Matlab 2018a 软件来验证回归分析（Ra）和人工神经网络（ANNa）逻辑在预测高黏土一致性和压实特性方面的适用性。
• 数据库 ：
  • 第一阶段数值分析使用 357 个包含液限和塑性指数的数据。
  • 第二阶段分析使用 61 个包含天然含水量、最佳含水量和最大干单位重量的数据。
• 数据范围 ：
  • 液限百分比范围为 50% - 93%。
  • 塑性指数值在 23.3 - 59%之间。
  • 最佳含水量值范围为 17.9 - 40%。
  • 高塑性黏土的最大干单位重量范围为 1.315 - 1.82 t/m³。
• 测试方法 ：
  • 所有收集的液限测试使用卡萨格兰德杯法。