基于小样本人工冻土冻胀率智能预测方法

姚兆明，左维亚，高亚飞

(1.安徽理工大学土木建筑学院，安徽 淮南 232001；2.陕西省一八五煤田地质有限公司，陕西 榆林 719000)

冻胀是寒区工程面临的主要工程病害，因此冻土冻胀变形的研究对工程建设和维护具有深远意义。国内外学者对此进行了深入研究。文献[2]考虑产生冻胀的各种因素，提出了一维条件下计算土体冻胀量的方法。文献[3]采用灰色关联理论分析了含水量、有机质、含盐量、土质和干密度对天山达板乔尔玛至那拉提公路延线冻土冻胀率的影响。文献[4]分析了含水量、初始干重、冻透率、地下水位、可塑性指数对冻胀率的影响，建立了预测冻胀率的统计模型。文献[5]对兰新高铁沿线四个断面进行了冻胀预测，测得其最大冻胀率，为了解高速铁路路基提供冻胀机理。文献[6]研制了1种测井测斜仪的简易斜臂仪，为研究冻融土壤的传热传质过程提供依据。

目前在岩土工程应用的智能方法有神经网络、支持向量机、遗传算法、鱼群算法、粒子群算法等。支持向量机(SupportVectorMachine，SVM)是由Vapnik等人在统计学习理论的基础上提出的，是在统计学习理论发展起来的基于结构风险最小化原则的机器学习理论，其具有较高的泛化能力。SVM可以较好逼近非线性复杂系统，能够有效解决过学习、维数灾难以及局部最小等问题。

目前支持向量机广泛应用于岩土工程领域尤其是冻土领域。如文献[9]基于多类支持向量机对土壤纹理进行分类。文献[10]利用机器学习模型SVM等分类器的预测，提出了1种新混合分类器集成，为岩土工程的其它分类问题提供了新方法。……