基于自适应模糊逻辑系统的砂土液化判别法

砂土液化预测的Fisher判别分析模型及应用赵小敏;曹丽文【摘要】针对砂土地震液化预测问题,基于Fisher判别分析原理(FDA),选用平均粒径、不均匀系数、标贯击数、地下水水位、砂层埋深、剪应力与有效上覆应力比、地震烈度.震中距等8个实测指标为判别因子,建立Fisher线性判别函数模型,对砂土液化进行预测.研究结果表明,Fisher判别分析结果与神经网络输出结果一致,优于规范法和Seed法判别结果,验证了该模型的合理性和可靠性.运用该模型进行判别分析,简易方便,分类效率高,对砂土液化判别快速、有效,模型适用性强,具有一定的工程应用前景.%For the prediction of seismic liquefaction of sand, Fisher discriminant model is established to the prediction of sand liquefaction based on the principle of Fisher discriminant analysis theory with eight factors listed as follows: mean diameter, coefficient of non-uniformity, blow number of standard penetration test, underground water depth, sand depth, ratio of shearing stress to effective overburden stress, seismic intensity, epicenteral distance. Through computing practical examples and assessing the model, the Fisher discriminant analysis model is manifested to be of rationality and reliability and the model identification results are consistent with the neural network output, and are better than the discriminant results with the specification method and Seed method. It is easy and efficient to make discriminant analysis using this model and it can provide efficient means to predict sand liquefaction.【期刊名称】《水文地质工程地质》【年(卷),期】2012(039)003【总页数】5页(P129-133)【关键词】砂土液化;地震;Fisher判别分析【作者】赵小敏;曹丽文【作者单位】中国矿业大学资源与地球科学学院,徐州221008;淮北师范大学物理与电子信息学院,淮北235000;中国矿业大学资源与地球科学学院,徐州221008【正文语种】中文【中图分类】P642.27土体液化是指饱和状态砂土或粉土在一定强度的动荷载作用下表现出的类似液体的性质，完全丧失强度和刚度的现象［1］。

基于SPTn判别法判别砂土液化特征于明明;贾志献;林迎洁;樊九九;王博【摘要】砂土液化是工程不良地质现象的主要问题之一,正确地分析和判别砂土液化对确保人类工程建设及安全具有十分重要的意义.依据孔压静力触探试验提供的数据,结合SPTn判别法,可判别砂土液化的曲线特征,即同一液化土层,土体液化安全系数不尽相同;从孔压静力触探孔的SPTn投影图上可以明确砂土液化的三个特征,即发生液化土体的位置、发生液化土体的厚度和发生液化土体的安全系数.【期刊名称】《安全与环境工程》【年(卷),期】2015(022)004【总页数】4页(P164-167)【关键词】砂土液化;SPTn判别法;Seed简化判别法;孔压静力触探;液化特征【作者】于明明;贾志献;林迎洁;樊九九;王博【作者单位】西北综合勘测设计研究院,陕西西安710003;中国电建西北勘测设计研究院有限公司,陕西西安710003;江苏省有色金属华东地质勘查局,江苏南京210007;西北综合勘测设计研究院,陕西西安710003;西北综合勘测设计研究院,陕西西安710003【正文语种】中文【中图分类】X93;P642.1砂土液化是工程不良地质现象的主要问题之一,在含有饱和砂层或粉土层场区进行工程建设，砂土液化不良地质现象是该场区所要关注的重大地质灾害问题[1]。

砂土液化地质灾害现象是在地震非线性动力荷载下出现的主要地质灾害之一，严重影响着人类工程建设及安全，1964年和1995年日本神户的新泻大地震已经说明了砂土液化的危害程度及研究砂土液化的重要意义[2]。

目前依据砂土液化的机理，可以将砂土液化分为触发性循环液化、流动液化(流化)和砂沸[3]，本文主要对触发性循环液化的判别方法——SPTn判别法进行了研究。

SPTn判别法判别砂土液化特征是以SPTn投影图法为基础，以Seed简化判别法为指导的。

Seed简化判别法主要研究导致液化循环应力比(CRR)的计算方法。

最早估算CRR的方法是Seed等在1985提出的，而这种计算CRR的方法主要是以标准贯入试验为基础。

砂土地基液化机理与判别问题探讨优化摘要：地基液化是一个复杂的过程，受多种因素的非线性影响。

现行规范均在Seed判别公式的基础上依赖人为经验强调“综合判别”。

判别式中利用Baycsian定理和失效概率函数建立判别式，并引用符圣聪人工神经网络BP模型的数据分析简化判别式，可以客观公正评价液化风险，同时可以定量分析震级大小对地基液化的影响，对规范的进一步修订有一定意义的借鉴作用。

关键词：地基液化失效函数 Seed液化公式引言砂土地基液化是造成地震灾害的重要原因之一。

长期以来，各国科技工作者围绕砂土震动液化展开了大量卓有成效的研究工作，主要包括：砂土液化机理、液化式判别及液化后果分析。

尽管已取得不少丰硕成果，但鉴于砂土地基液化机理较为复杂且认知的局限性，液化判别这块依然存在较多不足。

在成都地区，《建筑抗震设计规范》（GB50011-2010）和《成都地区建筑地基基础设计规范》（DB51/T5026-2001）是最为权威的液化判别规范，由于过多依赖工程经验，均存在诸多不合理之处。

本文根据Seed液化失效原理，利用Baycsian定理和失效概率函数建立判别式，并引用符圣聪人工神经网络BP模型数据的分析简化判别式，可以客观公正评价液化风险，同时可以明确地震震级关系和液化风险水平对液化判别式的影响，对规范的进一步修订有一定意义的借鉴作用。

1砂土液化机理及影响因素1.1 砂土液化的机理饱和砂土是砂和水组成的复合体。

在未地震前，砂土地基外力由砂骨架所承担，水只承受静水压力。

根据有效应力原理，土的抗剪强度为：（1）式中，表示土的抗剪强度；表示土的上覆土层压力；表示静孔隙水压力；表示土的内摩擦角。

在地震荷载作用下，如果孔隙水在振动周期内不能完全排出，受砂土颗粒挤压作用的影响，孔隙水压力不断增加，由式（1）可知，土的抗剪强度随之减小。

如果振动强烈，孔隙水压力增长至，此时。

这时，土颗粒完全悬浮于水中，成为粘滞流体，抗剪强度和抗剪刚度几乎都等于零，土体处于流动状态，这种现象称之为“完全液化”。

砂土地震液化预测的GA_SVM_Adaboost模型毛志勇;黄春娟;路世昌【摘要】为快速准确地对砂土液化情况作出预测,选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素,运用相关性分析和因子分析模型对其进行分析和属性约减,采用遗传算法(GA)对支持向量机(SVM)的参数寻优,结合Adaboost迭代算法,建立预测砂土地震液化的GA_SVM_Adaboost模型.选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练,利用该模型对剩余68组砂土液化数据进行预测.最后,将预测结果与GA_SVM和SVM模型预测结果进行比较.结果表明,3个模型的平均预测准确率分别为100％、98.04％、89.71％,基于因子分析的GA_SVM_Adaboost模型的预测准确性优于GA_SVM模型和SVM模型,是一种解决砂土地震液化预测问题的有效方法,具有一定的应用参考价值.【期刊名称】《煤田地质与勘探》【年(卷),期】2019(047)003【总页数】6页(P166-171)【关键词】砂土地震液化;因子分析(FA);支持向量机(SVM);遗传算法(GA);Adaboost算法【作者】毛志勇;黄春娟;路世昌【作者单位】辽宁工程技术大学系统工程研究所,辽宁葫芦岛 125105;辽宁工程技术大学系统工程研究所,辽宁葫芦岛 125105;辽宁工程技术大学系统工程研究所,辽宁葫芦岛 125105【正文语种】中文【中图分类】TU441.4砂土液化是常发生于震后的具有严重危害性的一种自然灾害现象，可导致城镇、农村、桥梁、水渠、农田、道路、房屋等遭受破坏，严重影响人们的生产生活以及生命财产安全。

我国是地震多发国家，地震区域分布广泛，许多重要设施处于地震液化敏感区内。

因此，对砂土地震液化的理论研究和预测分析对工程抗震设计和防护具有重要的现实指导意义。

多年来，国内外学者从应用理论、现场勘测、模拟实验和仿真预测等方面对砂土地震液化问题进行了大量的研究工作[1-13]。

基于自适应模糊逻辑系统的砂土液化判别法摘要：将自适应模糊逻辑与神经网络系统结合并将之优化，利用模糊聚类法选取训练样本，综合考虑了多因子的影响，建立了液化预测的模糊模型，并对砂土液化作了客观的预测；结果表明：当选取的训练样本合理时，自适应模糊逻辑模型对砂土液化判别的精度很高，是砂土液化预测的有效手段之一，必将具有广阔的应用前景。

关键词：自适应网络模糊逻辑；液化；神经网络；优化.0 前言自1964年日本新泻和美国阿拉斯加地震以来，液化问题得到了逐渐认识和日益重视；饱和砂土地震液化是诱发破坏性极为严重的区域性地质灾害的首要原因之一，它给人类造成不同程度的经济损失和安全隐患，因此，准确可靠地对砂土液化进行预测意义非凡；其已成为岩土工程勘察和土动力学研究的重要内容，经过长期的理论与试验研究，目前已有许多重要研究成果问世[1]。

当前砂土液化的预测方法归纳起来主要有预测法和经验分析法，但两种方法都存在着自适性能力差、精度不高等缺陷，而砂土液化本身也受到地震和土体参数等众多因素的影响，且各因素与液化势间呈复杂的非线性关系，若用其建立方程，进行液化可靠度分析显然是不适宜的；因此，建立一个将定量与定性指标融为一体，能真实反映影响因素与液化势之间非线性关系的多参数综合评判模型，是实现砂土液化判别准确性的关键。

文章基于文献中地震液化的实测资料，利用模糊聚类法选取训练样本，综合考虑了多因子的影响，并采用anfis优化逻辑系统，对砂土液化预测作了客观的分析。

1 anfis的原理与组成将模糊数学方法应用于砂土液化的资料分析主要包括：聚类分析法、似然推理法、综合评判法，而这些方法在确定隶属函数、样本区间时都具有一定的主观性[3]。

由于anfis的模糊系统是由一等价的神经网络来表示，其节点和参数都具有确定的意义，它可以通过自适应神经网络来实现一个t-s规则。

t-s的模糊推理系统采用下列规则：如果为且为，则。

规则的条件部分是模糊的，而结论部分一般为定量的线性函数，即：（1）模糊推理的输出采用权重平均法，即：（2）图1给出了一个具有两个输入变量、一个输出变量的模糊推理系统：图1：模糊推理系统2 关于anfis最优化模糊推理机根据模糊推理规则库中的模糊推理知识以及模糊产生器产生的模糊集合，依据模糊逻辑中蕴含关系及推理规则，推理出模糊结论，并将其输入到模糊消除器，模糊消除器将论域v上的模糊集合一一映射到v上确定的点。

基于自适应神经-模糊推理系统的软土路基沉降预测模型肖治宇;陈昌富;季永新【摘要】针对目前软基沉降预测中最常用的生长曲线模型以及人工神经网络模型的不足,提出将自适应神经模糊推理系统(ANFIS)应用于软基沉降预测.ANFIS将专家的模糊推理过程蕴含于神经网络结构中,使神经网络的结点和权值具有明确的物理意义,避免了传统神经网络工作过程的"黑盒"性.同时该系统可以采用最小二乘法和梯度下降法相结合的混合算法,既具有神经网络的自适应性和学习能力,又克服了它的局部极小值等缺点,预测精度也远高于生长曲线模型.最后用工程实例与生长模型和神经网络模型进行了对比,结果表明:ANFIS模型优于这两种模型,特别是在模拟多输入变量、高维数下软基沉降预测问题时有着独特的优势,具有一定的推广应用价值.【期刊名称】《水文地质工程地质》【年(卷),期】2010(037)006【总页数】5页(P61-65)【关键词】道路工程;ANFIS模型;软土路基;沉降预测【作者】肖治宇;陈昌富;季永新【作者单位】湖南大学岩土工程研究所,长沙,410082;湖南大学岩土工程研究所,长沙,410082;贵州省建筑科学研究检测中心,贵阳,550001【正文语种】中文【中图分类】P642.13+3%TU433软土具有高压缩性、含水量大、强度低和透水性差等特点，在上部荷载长期作用下，必将产生比较大的沉降，因此在沿海及湖区等软土地区修筑铁路和高速公路，软土路基的沉降问题特别突出，甚至常发生因路基沉降过大而引发工程事故。

所以，应对路基施工期间和工后沉降进行监测，以求控制沉降速率和工后沉降，同时软土路基沉降预测计算也成为岩土工程领域的重要研究课题之一。

传统的软土地基沉降预测与计算方法有指数方程法、双曲线法[1］、泊松曲线法、Asaokao法[2］等。

近年来，出现了许多新的方法，如:灰色预测法[3］、优性组合预测法[4］、修正双曲线法[5］、生长模型法[6～9］、神经网络方法[10］等，特别是后两种方法由于能更好地反映全过程的沉降量与时间的关系，得到越来越多的应用。

利用模糊神经网络进行砂-土-液化势评判
张晓晖;黄鼎成;吴亚萍;尚伟宏
【期刊名称】《工程地质学报》
【年(卷),期】2001(009)002
【摘要】利用模糊信息分析表达知识和人工神经网络在映射能力方面的优势,选取应力比、震级、地面运动最大加速度、标贯击数、地下水位作为评价参数指标,构造砂土液化势识别的模糊神经网络模型.验证和应用结果表明,模糊神经网络模型可提供更高的映射能力,是砂土液化势评价预测的有效手段.
【总页数】5页(P209-213)
【作者】张晓晖;黄鼎成;吴亚萍;尚伟宏
【作者单位】中国科学院地质与地球物理研究所;中国科学院地质与地球物理研究所;兰州市城市建设设计院;吉林油田分公司勘探事业部
【正文语种】中文
【中图分类】TU441+.4
【相关文献】
1.隧道可液化场地围岩液化势评判及有限元分析 [J], 程学磊;崔春义;孙宗光
2.砂土地震液化势的变权重二级模糊综合评判方法研究 [J], 田梅青
3.补偿模糊神经网络在砂土液化势评价中的应用 [J], 董贤哲;张军平
4.基于减法聚类模糊神经网络的砂土液化势判别 [J], 薛新华;杨兴国
5.砂土地震液化势的二级模糊综合评判 [J], 张小敏;祝启坤
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊点数据的地基液化判别袁启旺【摘要】以世界范围内19次大地震106个场地的地基液化现场实测数据为基础,通过对地基液化评价模型建立过程中模糊不确定因素的分析,引入模糊模式识别理论建立各实测数据点隶属度,模拟数据点在构建液化判别模型的不同作用;并通过LOGISTIC回归将数据点的模糊性映射到液化判别模型,导出液化概率评价方程,建立地基液化概率和液化安全系数的函数关系.预测液化和非液化的可靠性分别达到92.9%和80.2%,为利用现场实测资料进行地基液化判别提供了简便、较为准确的新途径.【期刊名称】《水运工程》【年(卷),期】2008(000)001【总页数】5页(P20-24)【关键词】模糊点数据;地基液化;静力触探;模糊模式识别;LOGISTIC回归【作者】袁启旺【作者单位】淮阴工学院建筑工程系,江苏,淮安,223001【正文语种】中文【中图分类】TU475利用地震液化现场实测资料建立液化判别模型时，一般认为所有实测数据点的重要性是相同的[1]。

然而，从实测数据的测量及液化判别模型的建立等过程看，实测数据点的重要性是不同的，带有模糊不确定性。

模拟地震液化现场实测数据的相对重要性对建立模型的影响就很有必要。

模糊数学在地基液化中的应用，多集中在对液化影响因素的定性方面，隶属度的赋值虽有不同方法，但共同缺点是主观性较大、计算结果粗糙[2-3]。

而多级模糊模式识别可以通过数据点本身具有的客观信息建立模糊概念的隶属度[4]。

因此，将实测数据视为模糊点数据[4]，其隶属度问题转化为多极模糊模式识别问题，既可以考虑实测数据在建立判别模型时的模糊不确定性，又可以克服隶属度赋值主观性较大的缺点。

1.1 实测数据状态分区通过地震液化现场实测数据进行地基液化势的判别，首先要建立地基抗液化的循环应力比强度（CRR）与地震现场土体原位测试指标的关系。

将地震液化现场实测数据点汇集到极限状态空间CSR~X(qc,Rf)中，液化与非液化点分界线即为地基液化的极限状态曲线。