[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

权利要求书

1.一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于它包括以下步骤：

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。

2.根据权利要求1所述的一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于，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。

3.根据权利要求2所述的一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于，所述关键因素共有13个，包括：震级M_w，震中距R，地震持时t，峰值加速度PGA，砾石含量GC，细粒含量FC，平均粒径D₅₀，修正动力贯入锤击数N′₁₂₀，修正剪切波速V_s1，上覆有效土压力σ′_v，地下水埋深D_w，上覆不透水层厚度H_n，地下水位与上覆不透水层之间非饱和土层厚度D_n。

4.根据权利要求3所述的一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于，在关键因素中的修正动力贯入锤击数N′₁₂₀和修正剪切波速V_s1不同时考虑，而是分别采用动力贯入试验数据和剪切波速数据构建不同的12因素贝叶斯网络模型。

5.根据权利要求1所述的一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于，步骤二中所收集到的训练集数据集和测试集数据集按区间进行离散化处理，并利用最大信息系数(MIC)方法检索所选择的多个关键因素变量之间的数据关联性，当两个变量之间的互信息值达到0.9倍的最大互信息值时，即认为这两个变量之间存在依赖关系；

基于检测到的变量依赖关系，结合专业知识修正和补充输入节点之间的依赖关系，使得网络结构所表示的各影响因素之间的依赖关系更加符合专业认知；

再构造得到贝叶斯网络的初始结构，作为K2结构算法的先验节点次序；

将上述所得的初始结构为基础，利用K2结构算法从训练数据集中学习得到最优的贝叶斯网络结构，从而获得最终的贝叶斯网络结构。

6.根据权利要求5所述的一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于，针对训练集数据集中存在较多的数据缺失，利用最大期望(EM)算法进行贝叶斯网络的参数学习，获得贝叶斯网络的条件概率表参数，然后利用K折交叉验证法将这些数据分为训练集和测试集，用于多次重复试验。

7.根据权利要求1所述的一种基于贝叶斯网络的砂砾土地震液化判别方法，其特征在于，利用测试集数据计算所得模型的7个性能评价指标，包括整体精度OA、召回率Rec、准确率Pre、F1值、AUC值、平均绝对误差MAE和均方根误差RMSE，并与已有方法对比。