Loading [MathJax]/jax/output/SVG/fonts/TeX/Size2/Regular/Main.js
  • 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊
  • Scopus数据库收录期刊

基于静力触探试验和变维联合后验分布的土层剖面高效优化识别方法高效优化识别方法

曹子君, 胡超, 王亚飞, 苗聪, 刘涛, 洪义, 郑硕

曹子君, 胡超, 王亚飞, 苗聪, 刘涛, 洪义, 郑硕. 基于静力触探试验和变维联合后验分布的土层剖面高效优化识别方法高效优化识别方法[J]. 岩土工程学报, 2025, 47(2): 346-354. DOI: 10.11779/CJGE20230715
引用本文: 曹子君, 胡超, 王亚飞, 苗聪, 刘涛, 洪义, 郑硕. 基于静力触探试验和变维联合后验分布的土层剖面高效优化识别方法高效优化识别方法[J]. 岩土工程学报, 2025, 47(2): 346-354. DOI: 10.11779/CJGE20230715
CAO Zijun, HU Chao, WANG Yafei, MIAO Cong, LIU Tao, HONG Yi, ZHENG Shuo. Efficient optimization identification method for soil stratification based on cone penetration test and joint posterior distribution of variable dimensionality[J]. Chinese Journal of Geotechnical Engineering, 2025, 47(2): 346-354. DOI: 10.11779/CJGE20230715
Citation: CAO Zijun, HU Chao, WANG Yafei, MIAO Cong, LIU Tao, HONG Yi, ZHENG Shuo. Efficient optimization identification method for soil stratification based on cone penetration test and joint posterior distribution of variable dimensionality[J]. Chinese Journal of Geotechnical Engineering, 2025, 47(2): 346-354. DOI: 10.11779/CJGE20230715

基于静力触探试验和变维联合后验分布的土层剖面高效优化识别方法高效优化识别方法  English Version

基金项目: 

国家自然科学基金项目 52278368

国家自然科学基金项目 42277139

详细信息
    作者简介:

    曹子君(1987—),男,教授,主要从事岩土工程数据分析、不确定性表征与可靠度设计方面的研究工作。E-mail: zijuncao@swjtu.edu.cn

    通讯作者:

    苗聪, E-mail: congmiao@cityu.eud.hk

  • 中图分类号: TU413

Efficient optimization identification method for soil stratification based on cone penetration test and joint posterior distribution of variable dimensionality

  • 摘要: 基于静力触探试验数据的土体力学分类方法(如土体分类指数Ic)应用广泛。然而,基于土体分类指数划分土层依赖于工程经验,主观不确定性较大,土体力学分层与基于钻孔取样的物性分层未必一致。在贝叶斯学习框架下,提出了一种基于Ic数据和土层力学剖面参数联合概率分布的高效优化识别方法。所提方法基于全高斯概率模型推导土体分类指数(Ic)数据的似然函数,利用模拟退火算法搜索土层剖面参数联合后验分布的最大值,通过比较不同土层数目对应的联合后验分布最大值识别土层数目和土层厚度(边界)。最后,通过杭州某地铁区间CPT数据和模拟数据说明了所提方法的合理性和有效性,并结合土层识别结果说明了所提方法的分层原理和特点。结果表明:所提方法基于Ic数据识别土体力学分层的计算效率显著提高,适用于不同深度CPT数据分析,计算流程较简便,便于工程应用。
    Abstract: The mechanical stratification of soils based on the cone penetration test data (such as soil classification index Ic) is widely applied. However, the soil stratification based on Ic depends on engineering experience, and the subjective uncertainty is prominent. The mechanical stratification of soils is not necessarily consistent with the stratification based on borehole sampling. An efficient optimization identification method based on Ic data and the joint probability density function of mechanical profile parameters of soils is proposed under the framework of the Bayesian learning. The proposed method utilizes a full Gaussian probabilistic model to derive the likelihood function and then optimizes the maxima of the joint probability density function of mechanical profile parameters of soils using the simulated annealing algorithm. Subsequently, the number of soil layers and the associated soil thicknesses or boundaries are obtained by comparing the maxima of the joint probability density function with respect to the different numbers of soil layers. Finally, the rationality and validity of the proposed method are illustrated by a set of CPT data obtained from a subway section in Hangzhou and the simulated data, and the stratification principle and characteristics of the proposed method are illustrated with the identification results of soil profiles. The results show that the calculation efficiency of the proposed method for identifying the mechanical stratification of soils based on the Ic data is significantly improved, and it is suitable for analyzing the CPT data with different sounding depths. The calculation procedure of the proposed approach is relatively simple and is convenient for engineering applications.
  • 砂土液化是岩土工程中重大地震灾害的主要原因之一。饱和砂土在地震荷载作用下孔压累积发展,引起砂土的有效应力降低,土的抗剪强度丧失,从而发生液化[1-4]。通常可液化场地除水平自由场地之外,实际工程中多以倾斜或存在上覆荷载的场地居多,这类场地的土体多处于各向异性固结状态,即倾斜场地土体可处于拉伸固结状态,上覆荷载场地土体可处于压缩固结状态。这些具有不同初始应力状态的场地在地震荷载作用下具有明显不同的破坏模式,如场地的侧向流滑或震陷[2-3, 5]。因此,开展砂土不同初始应力状态下孔压发展和变形特性的研究具有现实意义。

    目前,关于饱和砂土液化的研究成果多以各向同性固结状态为主,如张建民等[5]、刘汉龙等[6]、陈国兴等[7]、许成顺等[8]和陈育民等[9]。上述学者针对各向同性固结饱和砂的液化大变形机理、应力-应变特征和本构关系进行了系统的研究。研究表明,超静孔压增长是导致砂土液化的主要原因,孔压经历快速增长、稳定增长和再稳定3个阶段,孔压增长过程中砂土的剪胀与剪缩交替出现[9-11]

    针对压缩状态下各向异性固结砂土的循环响应,研究者们也开展了相关研究[10-13],研究表明:固结应力比对超静孔压发展影响很大,孔压峰值随固结应力比增加而明显减小,试样最终因剪胀而破坏。然而,对拉伸状态下各向异性固结砂的循环剪切特性的研究较少,其超静孔压发展规律和变形特性有待进一步认识。

    基于饱和砂土孔压发展的基本特征,研究者们已提出许多描述孔压增长的模型,如应力模型[14]、应变模型[15]和能量模型[16-17]等。进一步地,孙锐等[18]、郭莹[19]、Chen等[20]考虑各向异性压缩固结状态对饱和砂土的影响,分别建立了相应的孔压应变型[19]和应力型模型[18, 20]。可见,通过应变综合反映土体中孔压的发展规律是常用的孔压预测方法。此外,还有研究[12, 21]将砂土单调加载结果与循环加载结果进行对比,得到单调加载应力路径可以作为循环加载应力路径的边界条件,并在此基础上建立了与静力强度参数相关的孔压预测模型。然而,能够反映土体不同固结状态(包括拉伸固结状态,压缩固结状态和各向同性固结状态)的应变型孔压模型有待进一步探究。

    本文针对饱和砂土,开展了一系列各向异性固结条件下的不排水循环扭剪试验和单调剪切试验。研究了不同初始平均有效应力p'0,固结应力比K和循环应力比CSR下饱和砂土的超静孔压与广义剪应变的响应特征。根据试验结果,建立了基于广义剪应变和考虑各向异性固结状态的饱和砂土超静孔压发展预测模型。

    试验砂为福建标准砂,砂样的颗粒分布曲线见图 1。经过测试,砂样的基本物理性质见表 1,该类砂为级配不良砂。

    图  1  福建砂级配曲线
    Figure  1.  Grain-size distribution curve of Fujian sand
    表  1  福建砂基本物理性质指标
    Table  1.  Physical property indexes of Fujian sand
    d50 Cu Gs emax emin
    0.35 2.92 2.65 0.73 0.51
    下载: 导出CSV 
    | 显示表格

    试验设备使用GDS空心圆柱扭剪装置(如图 2)。该装置可分别独立控制轴力W、扭矩MT、内围压pi和外围压p0图 3(a))。单元体上的应力分量包括轴向应力σz、扭剪应力τ、环向应力σθ和径向应力σr图 3(b)),对应的应变分量包括轴向应变εz、扭剪应变γ、环向应变εθ、径向应变εr图 3(c))。

    图  2  GDS空心圆柱扭剪装置
    Figure  2.  GDS hollow cylinder torsional shear system
    图  3  试样应力状态
    Figure  3.  Stress states of specimen

    试样内部空心,其尺寸为内半径ri = 30 mm,外半径r0 = 50 mm,高H = 200 mm(图 2⑧)。试样使用干砂法制备,制备过程中初始相对密度控制在35%。将称好质量的砂分层装入组装好的模具中,每一次按体积压实到规定高度,压实面做刮毛处理,保证试样整体均匀性。制备好的试样密封后装入压力室进行饱和。为了达到较高饱和度,饱和分3个过程:首先,往试样通入CO2气体30 min置换其内部空气;然后从试样底部通入除气水,直到试样顶部排水管无气泡排出;最后,分多级反压饱和至300 kPa,通过B检测使B ≥ 0.98(B = ∆u/Δσ3,∆u为孔压增量,Δσ3为围压增量)时认为试样达到饱和。

    试样饱和完成后,开始固结。固结应力比定义为K = σ1c/σ3cσ1cσ3c为固结时的大、小主应力。固结状态包括各向同性固结(K = 1)、拉伸固结(K<1)和压缩固结(K>1),固结应力路径见图 4(a)。在各向异性固结前,先进行30 kPa的各向同性固结,以保证试样的初始稳定性。空心圆柱扭剪的循环加载应力路径在τzθ(σzσθ)/2空间中如图 4(b)所示,循环应力比定义为CSR=τzθ/p0p0为平均有效应力。当排水量不再持续变化时,认为固结完成,且平均有效应力保持在100,200 kPa。固结完成后进行循环加载试验和单调加载试验,试验方案见表 2

    图  4  固结与循环加载的应力路径
    Figure  4.  Stress paths consolidation and cyclic loading
    表  2  各向异性固结砂循环加载试验方案
    Table  2.  Test programs for cyclic loading of anisotropically consolidated sand
    Test no. 固结状态 p0/kPa K=σ1c/σ3c CSR=τzθ/p0 Test no. 固结状态 p0/kPa K=σ1c/σ3c CSR=τzθ/p0
    1 拉伸 100 0.6 0.175 21 拉伸 200 0.8 0.200
    2 拉伸 100 0.6 0.200 22 各向同性 200 1.0 0.200
    3 拉伸 100 0.6 0.250 23 各向同性 200 1.0 0.225
    4 拉伸 100 0.8 0.175 24 各向同性 200 1.0 0.250
    5 拉伸 100 0.8 0.200 25 压缩 200 1.5 0.200
    6 拉伸 100 0.8 0.250 26 压缩 200 1.5 0.2125
    7 各向同性 100 1.0 0.200 27 压缩 200 1.5 0.250
    8 各向同性 100 1.0 0.250 28 压缩 200 2.0 0.250
    9 各向同性 100 1.0 0.300 29 压缩 200 2.0 0.275
    10 压缩 100 1.5 0.250 30 压缩 200 2.0 0.2875
    11 压缩 100 1.5 0.300 31 拉伸 100 0.6 (静载)
    12 压缩 100 1.5 0.350 32 拉伸 100 0.8 (静载)
    13 压缩 100 2.0 0.300 33 各向同性 100 1.0 (静载)
    14 压缩 100 2.0 0.350 34 压缩 100 1.5 (静载)
    15 压缩 100 2.0 0.400 35 压缩 100 2.0 (静载)
    16 拉伸 200 0.6 0.1375 36 拉伸 200 0.6 (静载)
    17 拉伸 200 0.6 0.175 37 拉伸 200 0.8 (静载)
    18 拉伸 200 0.6 0.1875 38 各向同性 200 1.0 (静载)
    19 拉伸 200 0.8 0.150 39 压缩 200 1.5 (静载)
    20 拉伸 200 0.8 0.1875 40 压缩 200 2.0 (静载)
    下载: 导出CSV 
    | 显示表格

    根据不同初始应力状态饱和砂土循环加载试验,即拉伸状态(K = 0.8)、各向同性状态(K = 1.0)和压缩状态(K = 2.0)3个试验工况,本研究得到三类典型的饱和砂土液化发展模式,下面从应变分量,滞回曲线和超静孔隙水压力的演变过程,分析三类典型试验结果。

    图 5为各应变分量与循环次数N的关系。由图 5(a)可知,拉伸状态下饱和砂土的各应变分量在第9圈左右发生明显变化,轴向应变εz负向发展最明显,环向应变εθ和径向应变εr正向发展,表明拉伸状态下的试样在循环扭剪过程中以轴向伸长变形为主,同时径向发生明显收缩;而剪应变γ波动幅度均小于前三者,表明剪应变发展会受到轴向拉伸变形的限制。由图 5(b)可知,各向同性状态下饱和砂土的各应变分量在第65圈左右发生明显变化,此时γ波动幅度最明显。虽然εz也向负方向发展,试样也有径向收缩趋势,但不会限制剪应变的进一步增大。由图 5(c)可知,压缩状态下饱和砂的各应变分量从循环加载一开始便发生明显累积,εz正向发展最明显,εθεr负向发展,表明压缩状态下试样在循环扭剪时以轴向压缩变形为主,同时径向发生明显膨胀;而γ波动幅度均小于前三者,表明剪应变发展会受到轴向压缩变形的限制。

    图  5  应变分量与循环次数的关系
    Figure  5.  Relationship between strain components and number of cycles

    图 6(a)~(c)分别为饱和砂土在固结应力比K = 0.8,1.0和2.0时循环扭剪作用下的有效应力路径发展曲线。图 7为与之相对应的超静孔压累计值ue的演化。由图 6(a),(c)可知,受前期各向异性固结的影响,K = 0.8和K = 2.0工况下的饱和砂土不会达到有效应力为“0”的状态,这是因为各向异性固结饱和砂土的超静孔压累积值(ue)不会到达初始平均有效应力值p0 = 100 kPa(如图 7所示),两者的主要区别是拉伸状态下的残余有效应力小于压缩状态下的残余有效应力(p' = 16,50 kPa),即使压缩状态下的循环动应力比更大(CSR =0.2和0.4),该观测结果表明试样在拉伸状态下比压缩状态下更容易发生破坏。与此同时,如图 6(b)所示,各向同性固结饱和砂在循环加载下最终到达“0”有效应力状态,砂土经过相变发生液化,相应的ue到达p0=100 kPa(如图 7所示)。

    图  6  循环有效应力路径
    Figure  6.  Cyclic effective stress paths
    图  7  超静孔压与循环次数关系
    Figure  7.  Relationship between excess pore water pressure and number of cycles

    图 8为饱和砂土在固结应力比K = 0.6,0.8,1.0,1.5和2.0时单调剪切作用下有效应力路径发展曲线。相同固结应力比下,平均有效应力p'先随偏应力q的持续增大而非线性减小,当p'到达最小值(即相转换点)后又反向线性增大,这是因为剪切初期试样发生剪缩导致孔压增大,引起p'减小,直到减小至相转换点之后,试样又发生剪胀而导致孔压持续减小,p'反向持续增大。压缩状态下,相同K和不同p0的静力破坏线(FL)最终互相重合,而相应拉伸状态下,FL由于试样拉伸而发生颈缩,最终不会重合。破坏应力比(ηFL= q / p')随K的增大而出现增长趋势。相同K下,围压增大提高了试样的相变强度。另一方面,相同试验条件下可以观察到,单调加载应力路径可以确定循环加载路径的破坏边界,以K = 1.0,p0= 100 kPa和CSR = 2.0工况下试样为例(如图 6(b)),循环应力路径随加载周期逐渐向左演化,经过相转换状态,最终靠近FL之后发生液化。这表明静力加载试验结果在一定程度上可以反映循环加载的破坏过程。

    图  8  静力有效应力路径
    Figure  8.  Static effective stress path

    通过莫尔-库仑强度准则,得到了福建砂的有效相变内摩擦角(φPT)和有效破坏内摩擦角(φFL)。图 9φPTK之间的关系,可见φPTK的增大而明显增长,拉伸状态下φPT的增长幅度大于压缩状态下的增长幅度。压缩状态下,高围压的φPT略大于低围压的φPT,而拉伸状态下刚好相反。图 10为饱和砂土单调加载破坏包络线,由图可知福建砂压缩状态下的φFL为33°,拉伸状态下的φFL为28°。

    图  9  相变摩擦角与固结应力比关系
    Figure  9.  Relationship between friction angle of phase transformation and consolidation stress ratio
    图  10  破坏包络线与破坏摩擦角
    Figure  10.  Failure envelope and friction angle of failure

    为了便于试验结果对比,定义超静孔压比ru为一个加载周期内ue峰值与初始平均有效正应力p0的比值(ru = ue/p0)。图 11显示了所有试样不同K和CSR下的ru-N关系。由图 11可知,随着CSR的增大,ru累积加快且达到峰值时所需的循环次数更少,而p0的增大产生的影响刚好与CSR相反。根据不同K值下ru的发展规律,K = 0.6和K = 2.0的ru-N发展为“快增-稳定”的两阶段模式(图 11(a),(e)),K = 1.0的ru-N发展为“快增-稳增-快增-稳定”的4阶段模式(图 11(c)),K = 0.8和K = 1.5的ru-N发展与K = 1.0相似,但是其稳定值不会到达p0值(图 11(b),(d))。结合2.2节典型的试验结果变化规律,可将第一类称为“循环迁移破坏”,第二类为“循环液化破坏”,第三类为“累积变形破坏”。超孔隙水压力的发展特征综合反映了循环加载过程中试样内部颗粒结构和外部荷载传递改变对不同破坏模式的影响。

    图  11  各向异性固结砂的孔压发展
    Figure  11.  Development of excess pore water pressure in anisotropically consolidated sands

    饱和砂土在循环加载过程中受初始固结应力比的影响,各应变分量的演化模式表现出很大差异,难以做统一对比(如图 5所示)。因此,本文使用广义剪应变γg综合反映各向异性固结饱和砂土的变形发展:

    γg=29[(ε1ε2)2+(ε1ε3)2+(ε2ε3)2]
    (1)

    式中:ε1ε2ε3分别为大、中、小主应变。

    图 12显示了不同围压p0、循环应力比CSR条件下超静孔压比的峰值(ru, max)与K的关系。在图 12中,ru, maxK的增大而先增大后减小,K = 1时ru, max达到最大值。CSR和p0值似乎对峰值孔压比的影响很小。基于压缩状态下的饱和砂土循环加载试验,Vaid等[21]提出了残余孔压与固结应力比和峰值强度摩擦角的关系式。结合拉伸固结状态下的试验结果,本文在Vaid等[21]所提出公式的基础上进一步建立了考虑拉伸和压缩状态下的ru, maxKφFL的关系式:

    ru,max=1±1K1+1.5K×3sin(φFL)2sin(φFL)
    (2)
    图  12  峰值孔压比与固结应力比关系
    Figure  12.  Relationship between peak pore pressure ratio and consolidation stress ratio

    式中:φFL为上文相同试验条件下通过单调剪切试验得到的有效破坏内摩擦角。值得注意的是式中符号“±”,当试样处于拉伸状态时取“-”,压缩状态时取“+”。

    将不同加载条件下归一化的超静孔压比(ru, n = ru/ ru, max)与广义剪应变γg关系表示于图 13,发现两者具有显著的对应关系,而不随K、CSR和p0的改变而发生变化。据此可使用基于广义剪应变的双曲线函数表征这种关系:

    ru,n=ruru,max=aγgb+γg
    (3)
    图  13  归一化的超静孔压比与广义剪应变关系
    Figure  13.  Normalized pore pressure ratio versus generalized shear.strain

    式中:ab为拟合参数,与试验条件和土的类型相关,本文中福建饱和砂土a取1.06,b取0.21。

    最后,将得到的式(1)代入式(3)即可得到各向异性固结砂土基于广义剪应变的超静孔压比预测模型:

    ru=1.06γg0.21+γg(1±1K1+1.5K×3sin(φFL)2sin(φFL))
    (4)

    该预测模型包含固结应力比K和有效破坏内摩擦角φFL来表征初始应力各向异性对饱和砂土超静孔隙水压力的影响。

    基于本研究的试验数据,图 14首先呈现了本文模型在平均有效应力p0 = 100 kPa,而K和CSR不同时的预测结果与本文试验数据的对比情况。基于广义剪应变,该模型能较好地反映拉伸状态和压缩状态下各向异性固结饱和砂土的超静孔隙水压力发展趋势。

    图  14  模型预测值与本文试验数据的对比(p0 = 100 kPa)
    Figure  14.  Comparison between model prediction and experimental data reported by this study (p0 = 100 kPa)

    基于文献[2223]中各向异性状态下可液化珊瑚砂的相关试验数据,图 15进一步对本文模型的适用性进行了验证。图 15(a)(b)分别展示了各向异性固结珊瑚砂的归一化超静孔压比ru, n和超静孔压比ru的模型预测值与试验结果对比情况。由图 15(a)可知,本文提出的公式(3)能很好地预测珊瑚砂归一化超静孔压比与广义剪应变的关系。与此同时,图 15(b)中各向同性固结(K = 1.0)珊瑚砂超孔隙水压比计算值与试验数据基本一致,而各向异性固结状态下的模型预测数据与试验数据存在一定差异。该差异可能与珊瑚砂颗粒本身形状不规则、存在内孔隙和易破碎等特性有关,这些特性会影响珊瑚砂孔压的发展规律而没有在本文提出的预测模型中得以全面体现。通过上述验证可以发现,本文提出的预测模型总体上能合理反映拉伸状态和压缩状态下各向异性固结饱和砂土的超静孔隙水压力发展趋势。

    图  15  预测模型与参考文献[22]和[23]中的试验数据的对比
    Figure  15.  Validation of prediction model against experimental data reported by References [22] and [23]

    本文通过空心圆柱扭剪装置对饱和福建砂土开展了一系列考虑不同各向异性固结条件的不排水循环扭剪试验和单调剪切试验,探究了拉伸各向异性固结、各向同性固结和压缩各向异性固结状态下饱和砂的广义剪应变和超静孔压的发展规律,得到以下4点结论。

    (1)Kp0和CSR的改变均会引起ru-N增长速率的变化。拉伸状态下(K<1)ru-N的发展速率快于压缩状态(K>1)。CSR的增大会加快ru-N增长速率,而p0增大产生的影响刚好与CSR相反。进一步对比发现,Kru-N增长速率的影响程度大于p0和CSR。

    (2)由K改变引起的饱和砂土超静孔压发展模式可分为三类:“快增-稳定”的两阶段模式,“快增-稳增-快增-稳定(不液化)”的四阶段模式和“快增-稳增-快增-稳定(液化)”的四阶段模式,各向异性固结程度越高,ru-N曲线越接近两阶段模式。

    (3)根据各向异性饱和砂土的变形、有效应力路径和孔压发展特征,其破坏类型主要包括循环迁移(K = 0.8,K = 1.5)、循环液化(K = 1.0)和累积变形(K = 0.6,K = 2.0)。峰值孔压比随K值的增大而先增大后减小,前期固结程度越偏离各向同性状态,峰值孔压比越小。

    (4)归一化后的超静孔压比与广义剪应变关系具有唯一性。建立了基于广义剪应变的各向异性固结饱和砂土的超静孔压发展预测模型,该模型为双曲线型,其中包含了KφFL来表征初始各向异性固结对饱和砂超静孔压的影响。

  • 图  1   图土层划分示意图及全高斯随机场模型[28]

    Figure  1.   Illustration of full Gaussian random field model for soil stratification[28]

    图  2   杭州某地铁区间内一套CPT数据

    Figure  2.   CPT data obtained from some section of Hangzhou metro line

    图  3   目标函数最大值

    Figure  3.   Maximum values of objective optimization function

    图  4   最可能土层剖面识别结果

    Figure  4.   Most probable soil stratification

    图  5   模拟场地Ⅰ土层剖面与模拟数据

    Figure  5.   Virtual site Ⅰ and simulated data

    图  6   模拟场地Ⅰ的目标函数最大值

    Figure  6.   Maximum values of objective function for virtual site Ⅰ

    图  7   模拟场地Ⅰ的土层划分结果

    Figure  7.   Results of soil stratification for virtual site Ⅰ

    图  8   模拟场地Ⅱ土层剖面与模拟数据Ⅱ

    Figure  8.   Virtual site Ⅱ and simulated data Ⅱ

    图  9   模拟场地Ⅱ的计算结果

    Figure  9.   Calculated results for virtual site Ⅱ

    图  10   模拟场地Ⅱ的土层划分结果

    Figure  10.   Results of soil stratification for virtual site Ⅱ

  • [1]

    BAECHER G B, CHRISTIAN J T. Reliability and Statistics in Geotechnical Engineering[M]. New York: John Wiley & Sons, 2005.

    [2]

    LAFUERZA S, CANALS M, CASAMOR J L, et al. Characterization of deltaic sediment bodies based on in situ CPT/CPTU profiles: a case study on the Llobregat delta plain, Barcelona, Spain[J]. Marine Geology, 2005, 222: 497-510.

    [3]

    MIAO C, CAO Z J, XIAO T, et al. BayLUP: a Bayesian framework for conditional random field simulation of the liquefaction-induced settlement considering statistical uncertainty and model error[J]. Gondwana Research, 2023, 123: 140-163. doi: 10.1016/j.gr.2022.10.020

    [4] 蒋维三, 叶舟, 郑华平, 等. 杭州湾地区第四系浅层天然气的特征及勘探方法[J]. 天然气工业, 1997, 17(3): 20-23.

    JIANG Weisan, YE Zhou, ZHENG Huaping, et al. Quaternary shallow gas characteristics in Hangzhou bay and the exploration method, [J]. Natural Gas Industry, 1997, 17(3): 20-23. (in Chinese)

    [5]

    ROBERTSON P K. Soil classification using the cone penetration test[J]. Canadian Geotechnical Journal, 1990, 27(1): 151-158. doi: 10.1139/t90-014

    [6]

    JEFFERIES M G, DAVIES M P. Use of CPTu to estimate equivalent SPT N60[J]. Geotechnical Testing Journal, 1993, 16(4): 458-468. doi: 10.1520/GTJ10286J

    [7] 张诚厚, 施健, 戴济群. 孔压静力触探试验的应用[J]. 岩土工程学报, 1997, 19(1): 50-57. doi: 10.3321/j.issn:1000-4548.1997.01.008

    ZHANG Chenghou, SHI Jian, DAI Jiqun. The application of piezocone tests in China[J]. Chinese Journal of Geotechnical Engineering, 1997, 19(1): 50-57. (in Chinese) doi: 10.3321/j.issn:1000-4548.1997.01.008

    [8]

    ROBERTSON P K, WRIDE C F. Evaluating cyclic liquefaction potential using the cone penetration test[J]. Canadian Geotechnical Journal, 1998, 35(3): 442-459. doi: 10.1139/t98-017

    [9]

    ROBERTSON P K. Interpretation of cone penetration tests—a unified approach[J]. Canadian Geotechnical Journal, 2009, 46(11): 1337-1355. doi: 10.1139/T09-065

    [10] 刘松玉, 蔡国军, 邹海峰. 基于CPTU的中国实用土分类方法研究[J]. 岩土工程学报, 2013, 35(10): 1765-1776. http://cge.nhri.cn/article/id/15294

    LIU Songyu, CAI Guojun, ZOU Haifeng. Practical soil classification methods in China based on piezocone penetration tests[J]. Chinese Journal of Geotechnical Engineering, 2013, 35(10): 1765-1776. (in Chinese) http://cge.nhri.cn/article/id/15294

    [11] 岩土工程勘察规范: GB 50021—2001[S]. 北京: 中国建筑工业出版社, 2004.

    Code for Investigation of Geotechnical Engineering: GB 50021—2001[S]. Beijing: China Architecture & Building Press, 2004. (in Chinese)

    [12]

    ROBERTSON P K. Soil behaviour type from the CPT: an update[C]// 2nd International Symposium on Cone Penetration Testing. Huntington Beach, 2010.

    [13]

    WANG Y, HUANG K, CAO Z J. Probabilistic identification of underground soil stratification using cone penetration tests[J]. Canadian Geotechnical Journal, 2013, 50(7): 766-776. doi: 10.1139/cgj-2013-0004

    [14]

    ZHANG Z J, TUMAY M T. Statistical to fuzzy approach toward CPT soil classification[J]. Journal of Geotechnical and Geoenvironmental Engineering, 1999, 125(3): 179-186. doi: 10.1061/(ASCE)1090-0241(1999)125:3(179)

    [15]

    HEGAZY Y A, MAYNE P W. Objective site characterization using clustering of piezocone data[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2002, 128(12): 986-996. doi: 10.1061/(ASCE)1090-0241(2002)128:12(986)

    [16]

    MOLINA-GÓMEZ F, VIANA DA FONSECA A, FERREIRA C, et al. Defining the soil stratigraphy from seismic piezocone data: a clustering approach[J]. Engineering Geology, 2021, 287: 106111. doi: 10.1016/j.enggeo.2021.106111

    [17] 蔡国军, 刘松玉, 童立元, 等. 基于聚类分析理论的CPTU土分类方法研究[J]. 岩土工程学报, 2009, 31(3): 416-424. doi: 10.3321/j.issn:1000-4548.2009.03.018

    CAI Guojun, LIU Songyu, TONG Liyuan, et al. Soil classification using CPTU data based upon cluster analysis theory[J]. Chinese Journal of Geotechnical Engineering, 2009, 31(3): 416-424. (in Chinese) doi: 10.3321/j.issn:1000-4548.2009.03.018

    [18]

    CHING J, WANG J S, JUANG C H, et al. Cone penetration test (CPT)-based stratigraphic profiling using the wavelet transform modulus maxima method[J]. Canadian Geotechnical Journal, 2015, 52(12): 1993-2007. doi: 10.1139/cgj-2015-0027

    [19]

    CAO Z J, ZHENG S, LI D Q, et al. Bayesian identification of soil stratigraphy based on soil behaviour type index[J]. Canadian Geotechnical Journal, 2019, 56(4): 570-586. doi: 10.1139/cgj-2017-0714

    [20]

    XIAO T, ZOU H F, YIN K S, et al. Machine learning-enhanced soil classification by integrating borehole and CPTU data with noise filtering[J]. Bulletin of Engineering Geology and the Environment, 2021, 80(12): 9157-9171. doi: 10.1007/s10064-021-02478-x

    [21]

    WANG X R, WANG H, LIANG R Y, et al. A semi-supervised clustering-based approach for stratification identification using borehole and cone penetration test data[J]. Engineering Geology, 2019, 248: 102-116. doi: 10.1016/j.enggeo.2018.11.014

    [22]

    BISHOP C M. Pattern Recognition and Machine Learning[M]. New York: Springer, 2006.

    [23]

    ROBERTSON P K, CAMPANELLA R G. Interpretation of cone penetration tests. Part I: Sand[J]. Canadian Geotechnical Journal, 1983, 20(4): 718-733. doi: 10.1139/t83-078

    [24]

    AHMADI M M, ROBERTSON P K. Thin-layer effects on the CPT qc measurement[J]. Canadian Geotechnical Journal, 2005, 42(5): 1302-1317. doi: 10.1139/t05-036

    [25]

    FRÜHWIRTH-SCHNATTER S. Finite Mixture and Markov Switching Models[M]. New York: Springer, 2006

    [26]

    PHOON K K, QUEK S T, AN P. Identification of statistically homogeneous soil layers using modified Bartlett statistics[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2003, 129(7): 649-659. doi: 10.1061/(ASCE)1090-0241(2003)129:7(649)

    [27] 张征, 刘淑春, 鞠硕华. 岩土参数空间变异性分析原理与最优估计模型[J]. 岩土工程学报, 1996, 18(4): 40-47. doi: 10.3321/j.issn:1000-4548.1996.04.007

    ZHANG Zheng, LIU Shuchun, JU Shuohua. The optimum estimation model and the principle of spatial variability analysis of rock and soil parameters[J]. Chinese Journal of Geotechnical Engineering, 1996, 18(4): 40-47. (in Chinese) doi: 10.3321/j.issn:1000-4548.1996.04.007

    [28] 曹子君, 胡超, 苗聪, 等. 基于分层贝叶斯学习的滨海软土地层高效识别方法[J]. 地球科学, 2023, 48(5): 1730-1741.

    CAO Zijun, HU Chao, MIAO Cong, et al. Efficient identification method of coastal soft soil stratum based on hierarchical Bayesian learning[J]. Earth Science, 2023, 48(5): 1730-1741. (in Chinese)

    [29]

    MURPHY K P. Machine Learning: a Probabilistic Perspective[M]. Combridge: MIT Press, 2012.

    [30]

    GOFFE W L, FERRIER G D, ROGERS J. Global optimization of statistical functions with simulated annealing[J]. Journal of Econometrics, 1994, 60(1/2): 65-99.

    [31]

    DELAHAYE D, CHAIMATANAN S, MONGEAU M. Simulated annealing: from basics to applications[M]// International Series in Operations Research & Management Science. Cham: Springer International Publishing, 2018: 1-35.

图(10)
计量
  • 文章访问数:  219
  • HTML全文浏览量:  23
  • PDF下载量:  42
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-07-26
  • 网络出版日期:  2024-07-30
  • 刊出日期:  2025-01-31

目录

/

返回文章
返回