[发明专利]基于机器学习因子分析的膨胀土冻结过程变形解耦方法

说明书

本发明公开了一种基于机器学习因子分析的膨胀土冻结过程变形解耦方法，所述方法将制作的土样放入冻胀试验机内，测得温度降低土样冻结过程中的各项参数变化；将所得数据导入MATLAB中，利用其中的ICA和回归拟合算法程序得到体积含冰率变化与未冻结水体积含水率变化分别引起的体积增加量或减小量。该方法在了解到膨胀土冻结的过程中既有水冻结成冰引起的体积增加，又有膨胀土土颗粒失水收缩导致的体积减小的前提下，分别得到水冻结与土颗粒失水各自引起的体积变化。本发明利用机器学习因子分析以及回归拟合，能够在区分不同因素影响下土体体积变化量的同时，又较为准确的得到体积变化与其产生因素之间函数关系式及关系曲线。

技术领域

本发明属于膨胀土冻胀过程体积变化解耦技术领域，涉及一种机器学习解耦方法，尤其涉及一种基于机器学习因子分析的膨胀土冻结过程变形解耦方法。

背景技术

在信号处理中，独立成分分析(ICA)是一种用于将多元信号分离为加性子分量的计算方法。这是通过假设子分量是非高斯信号，并且在统计上彼此独立来完成的。ICA是盲源分离的特例。关于独立成分分析(又称因子分析)，常见的示例应用程序是在嘈杂的房间中聆听一个人的语音的“鸡尾酒会问题”。

机器学习回归拟合是利用一定的基函数通过其线性组合去表示已知数据，用于拟合所取得数据的相互函数关系。其中，基函数可以选择sigmoid函数。Sigmoid函数也叫Logistic函数，取值范围为(0，1)，可用作二分类，在特征相差比较复杂或是相差不是特别大时效果比较好。

现有关于土体冻胀体积变化规律的研究仍局限于通过试验测量数据得到各种关系曲线及变化曲线，并不能准确和有效地得到土体体积变化与影响因子之间的函数关系。

发明内容

本发明的目的是提供一种基于机器学习因子分析的膨胀土冻结过程变形解耦方法，该方法在了解到膨胀土冻结的过程中既有水冻结成冰引起的体积增加，又有膨胀土土颗粒失水收缩导致的体积减小的前提下，分别得到水冻结与土颗粒失水各自引起的体积变化。

本发明的目的是通过以下技术方案实现的：

一种基于机器学习因子分析的膨胀土冻结过程变形解耦方法，包括如下步骤：

步骤一、制作N组尺寸相同但体积含水率相异的膨胀土土样，N≥3，将膨胀土土样用保鲜袋包裹后放入冻胀试验机，防止水分流失；

步骤二、在膨胀土土样内安插温度传感器、时域反射计传导探头和中子散射仪探测器用于测定土中全部水的体积含水率，在冻胀试验机内部利用温度传感器、时域反射计传导探头和中子散射仪探测器分别测量膨胀土土样的温度变化、未冻结水体积含水率的变化和全部水的体积含水率变化；在冻胀试验机内安装激光测距仪，利用激光测距仪测量膨胀土土样在试验机内高度和直径的变化；

步骤三、设置最低冻胀温度为-18℃，等待试验机内部温度降至3℃开始每隔5min记录一次数据，直至土样温度均降至-18℃结束记录过程，其中：

所述数据包括温度T_j,i、未冻结水的体积含水率变化Δω_j,i、全部水的体积含水率变化Δa_j,i、体积含冰率变化Δθ_j,i、土样高度变化ΔH_j,i以及土样直径变化ΔD_j,i；

体积含冰率变化Δθ_j,i为：

Δθ_j,i＝Δa_j,i-Δω_j,i

第j个土样n组高度变化值组成的向量为：

第j个土样n组直径变化值组成的向量为：

第j个土样n组体积含冰率变化值组成的向量为：