2021, 32(1): 117-126.
DOI: 10.16031/j.cnki.issn.1003-8035.2021.01.16
膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此，本文提出了一种基于支持向量回归机（SVR）模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据，以土体自由膨胀率作为预测目标，构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量（< 0.075、0.075～0.25、0.25～0.5）、土的类型为输入参数，模型II以液限、塑限、塑性指数、粒径< 0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明：（1）当预测采样次数达到1000次时，训练模型均趋于稳定；（2）整体而言，模型I的预测精度要优于模型II，模型I中采用RBF核函数建立的模型给出了最高准确率86.6%，其次为Linear核函数（准确率82.9%）和Sigmoid和函数（准确率75.1%）。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%，其次为Linear核函数（准确率74.3%）和Sigmoid和函数（准确率72.9%）；（3）采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时，模型I中三者预测结果相同的数量占比为73%，其余组土样的预测胀缩等级相同或相邻，不存在“越级”现象，模型II中三者预测结果相同的数量占比为68%，不存在“越级”现象。最后，通过与模糊层次分析法评价结果对比，进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。
摘要：
膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此，本文提出了一种基于支持向量回归机（SVR）模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据，以土体自由膨胀率作为预测目标，构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量（< 0.075、0.075～0.25、0.25～0.5）、土的类型为输入参数，模型II以液限、塑限、塑性指数、粒径< 0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明：（1）当预测采样次数达到1000次时，训练模型均趋于稳定；（2）整体而言，模型I的预测精度要优于模型II，模型I中采用RBF核函数建立的模型给出了最高准确率86.6%，其次为Linear核函数（准确率82.9%）和Sigmoid和函数（准确率75.1%）。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%，其次为Linear核函数（准确率74.3%）和Sigmoid和函数（准确率72.9%）；（3）采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时，模型I中三者预测结果相同的数量占比为73%，其余组土样的预测胀缩等级相同或相邻，不存在“越级”现象，模型II中三者预测结果相同的数量占比为68%，不存在“越级”现象。最后，通过与模糊层次分析法评价结果对比，进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。
膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此，本文提出了一种基于支持向量回归机（SVR）模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据，以土体自由膨胀率作为预测目标，构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量（< 0.075、0.075～0.25、0.25～0.5）、土的类型为输入参数，模型II以液限、塑限、塑性指数、粒径< 0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明：（1）当预测采样次数达到1000次时，训练模型均趋于稳定；（2）整体而言，模型I的预测精度要优于模型II，模型I中采用RBF核函数建立的模型给出了最高准确率86.6%，其次为Linear核函数（准确率82.9%）和Sigmoid和函数（准确率75.1%）。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%，其次为Linear核函数（准确率74.3%）和Sigmoid和函数（准确率72.9%）；（3）采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时，模型I中三者预测结果相同的数量占比为73%，其余组土样的预测胀缩等级相同或相邻，不存在“越级”现象，模型II中三者预测结果相同的数量占比为68%，不存在“越级”现象。最后，通过与模糊层次分析法评价结果对比，进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。
2023, 34(4): 114-124.
DOI: 10.16031/j.cnki.issn.1003-8035.202206006
肯尼亚是我国“一带一路”倡议在东非重要支点。受高原裂谷地形和显著的雨旱季节影响，肯尼亚地质灾害频发。本文以肯尼亚的历史滑坡数据为样本，选取高度、坡度、坡向、地貌、平面曲率、土壤类型、年平均降雨量、水流强度指数、地形湿度指数及土地利用类型作为评价指标，分别基于信息量模型（IV）、逻辑回归模型（LR）和极限学习机模型（ELM）对肯尼亚滑坡灾害进行危险性区划，其中ELM分别考虑了sigmoid 函数、正弦函数和对称阈值型传输函数作为激活函数进行讨论。主要结论如下：（1）肯尼亚滑坡灾害高危险性及以上等级区域集中分布在西南部的高原和高原—裂谷过渡地带；（2）采用ROC曲线对模型精度进行评价，各模型的AUC值分别为0.977（IV）、0.965（LR）、0.859（ELM-SIG）、0.900（ELM-SIN）、0.941（ELM-HARDLIM），评价结果有效；（3）综合PR曲线结果判定，LR模型的召回率和精确率都处于较高的水平，优于其他模型；（4）肯尼亚内罗毕省（Nairobi）、中部省（Central）、尼扬扎省（Nyanza）和西部省（Western）四个省份高危险性区域占比较大。
摘要：
肯尼亚是我国“一带一路”倡议在东非重要支点。受高原裂谷地形和显著的雨旱季节影响，肯尼亚地质灾害频发。本文以肯尼亚的历史滑坡数据为样本，选取高度、坡度、坡向、地貌、平面曲率、土壤类型、年平均降雨量、水流强度指数、地形湿度指数及土地利用类型作为评价指标，分别基于信息量模型（IV）、逻辑回归模型（LR）和极限学习机模型（ELM）对肯尼亚滑坡灾害进行危险性区划，其中ELM分别考虑了sigmoid 函数、正弦函数和对称阈值型传输函数作为激活函数进行讨论。主要结论如下：（1）肯尼亚滑坡灾害高危险性及以上等级区域集中分布在西南部的高原和高原—裂谷过渡地带；（2）采用ROC曲线对模型精度进行评价，各模型的AUC值分别为0.977（IV）、0.965（LR）、0.859（ELM-SIG）、0.900（ELM-SIN）、0.941（ELM-HARDLIM），评价结果有效；（3）综合PR曲线结果判定，LR模型的召回率和精确率都处于较高的水平，优于其他模型；（4）肯尼亚内罗毕省（Nairobi）、中部省（Central）、尼扬扎省（Nyanza）和西部省（Western）四个省份高危险性区域占比较大。
肯尼亚是我国“一带一路”倡议在东非重要支点。受高原裂谷地形和显著的雨旱季节影响，肯尼亚地质灾害频发。本文以肯尼亚的历史滑坡数据为样本，选取高度、坡度、坡向、地貌、平面曲率、土壤类型、年平均降雨量、水流强度指数、地形湿度指数及土地利用类型作为评价指标，分别基于信息量模型（IV）、逻辑回归模型（LR）和极限学习机模型（ELM）对肯尼亚滑坡灾害进行危险性区划，其中ELM分别考虑了sigmoid 函数、正弦函数和对称阈值型传输函数作为激活函数进行讨论。主要结论如下：（1）肯尼亚滑坡灾害高危险性及以上等级区域集中分布在西南部的高原和高原—裂谷过渡地带；（2）采用ROC曲线对模型精度进行评价，各模型的AUC值分别为0.977（IV）、0.965（LR）、0.859（ELM-SIG）、0.900（ELM-SIN）、0.941（ELM-HARDLIM），评价结果有效；（3）综合PR曲线结果判定，LR模型的召回率和精确率都处于较高的水平，优于其他模型；（4）肯尼亚内罗毕省（Nairobi）、中部省（Central）、尼扬扎省（Nyanza）和西部省（Western）四个省份高危险性区域占比较大。
邮件订阅
RSS