[发明专利]一种基于贝叶斯网络的砂砾土地震液化判别方法

说明书

本发明公开了一种基于贝叶斯网络的砂砾土地震液化判别方法，它包括以下步骤：步骤一：从众多砂砾土地震液化影响因素中选择关键因素，作为砂砾土地震液化的判别指标；步骤二：根据所选判别指标，收集砂砾土地震液化场地历史数据，并将数据划分为训练集数据集和测试集数据集；步骤三：利用训练集数据进行贝叶斯网络的结构学习和参数学习，生成砂砾土地震液化判别方法，构建砂砾土液化判别指标与砂砾土液化势之间的依赖关系；步骤四：基于测试集数据，对所得的砂砾土地震液化判别方法进行验证，并获得该方法的性能评价指标。解决现有判别方法精度不足、适用性不广等问题。

技术领域

本发明属于岩土工程抗震技术领域，尤其涉及一种基于贝叶斯网络的砂砾土液化判别方法。

背景技术

地震液化是岩土工程抗震领域不可忽视的一个重要问题，它是指饱和砂土、粘粒含量较低的饱和轻亚黏土和级配不良的饱和砂砾土等，在地震动力作用下有可能发生液化，使得土体强度大幅度骤然丧失。在历史上的多次地震中都出现过地震液化灾害，如1964年日本新泻地震和美国的阿拉斯加地震，我国2008年汶川地震以及2018年印尼苏拉威西大地震等，均发生了大面积的地震液化灾害，造成了严重的生命和财产损失。鉴于此，地震液化灾害防治的相关研究受到了工程领域的持续关注。

地震液化判别是主要的液化灾害防治措施之一，已被列为抗震领域相关规范的强制执行条款。但地震液化影响因素众多，各因素之间存在极强的非线性关系，从而决定了地震液化判别的复杂性和不确定性。传统的地震液化判别方法是基于室内试验和现场原位试验提出的半经验方法，这类方法简明易用，可解释性强，但是判别精度不够。随着机器学习技术的发展，一些专家学者提出借助机器学习方法对历史液化灾害的实测数据进行处理，从而建立对应的地震液化判别方法。该类方法能够明显改进判别精度，并且可以考虑判别过程中的不确定性，具有广阔的应用前景。但各类机器学习方法的优缺点不一，而且一些液化判别方法的建立过程不够科学透明，因此还有待进一步的研究应用。

传统的地震液化研究主要聚焦于砂土，砂砾土一直被认为不可能发生地震液化，有关砂砾土的历史地震液化记录也十分稀少。但2008年汶川地震中出现了大面积的砂砾土液化现象，打破了砂砾土属于不可液化安全土类的固有认知。目前关于砂砾土的地震液化判别方法还很不成熟，砂砾土液化的触发条件和产生机理也与砂土有显著差异，因此提出和发展有关砂砾土的地震液化判别方法显得尤为急迫。

发明内容

为了回应工程中砂砾土场地液化判别的实际需要，解决现有判别方法精度不足、适用性不广等问题。本发明提供一个适用于砂砾土地震液化判别的贝叶斯网络模型，并详述了该方法的建立过程和理论依据。该方法经过验证，达到了较好的判别效果。

为了实现上述的技术特征，本发明的目的是这样实现的：一种基于贝叶斯网络的砂砾土地震液化判别方法，它包括以下步骤：

步骤一：从众多砂砾土地震液化影响因素中选择关键因素，作为砂砾土地震液化的判别指标；

步骤二：根据所选判别指标，收集砂砾土地震液化场地历史数据，并将数据划分为训练集数据集和测试集数据集；

步骤三：利用训练集数据进行贝叶斯网络的结构学习和参数学习，生成砂砾土地震液化判别方法，构建砂砾土液化判别指标与砂砾土液化势之间的依赖关系；

步骤四：基于测试集数据，对所得的砂砾土地震液化判别方法进行验证，并获得该方法的性能评价指标。

贝叶斯网络建模过程包括砂砾土地震液化关键影响因素的选择，以及贝叶斯网络模型的结构学习和参数学习；

在选择影响砂砾土地震液化的判别指标时，从地震信息、土体信息和场地条件三类影响因素中优选多个关键因素。