[发明专利]一种土体区域性冻胀量推演方法

权利要求书

1.一种土体区域性冻胀量推演方法，其特征在于，包括以下步骤：

S1、划分冻胀研究区域，将待研究的冻胀区域划分为若干块尺寸3km×3km、总面积9km²的小区域；

S2、获取局部冻胀数据，在一个小区域的中心位置钻探至当地冻胀深度以下，从地表开始，每隔0.2m取一组土样，并每隔0.2m埋设一组冻胀计和地温计，直至达到冻胀土体最深处为止；通过室内试验及监测，得到该钻孔位置不同埋深点处的土体的含水率、细颗粒含量、温度及冻胀量信息；

S3、建立小区域冻胀量计算模型，以小区域冻胀数据为训练样本，建立用于冻胀量计算的神经网络；神经网络结构设置为3-7-1，输入层为3个节点，分别代表含水率、细颗粒含量、地温三个影响因素，输出层一个节点，代表土体冻胀量，隐含层7个节点，最小误差平方和设置为0.0001；学习算法使用动量梯度下降反向传播算法；训练完成后，记录下此时该神经网络系统中所有节点的全部权重值；

S4、建立大区域冻胀计算系统，在得到所有小区域的冻胀神经网络权重值后，推演出整个研究区域内任意一点的冻胀变形量。

2.根据权利要求1所述的一种土体区域性冻胀量推演方法，其特征在于：所述步骤S4还包括以下子步骤：

S4.1、获取研究区域内任意点的含水率、细颗粒含量、温度指标值；

S4.2、将步骤S4.1中的任意点与所有小区域中心点相连，形成若干条直线，并记录这些直线的距离L_i；

S4.3、根据下述公式，确定一个权重系数，式中，f_i代表第i个小区域的权重系数；

S4.4、将得到的所有权重系数与对应的第i个小区域的神经网络权重值相乘，再相加，即按照下式进行计算，可得到一个全新的区域冻胀推演模型；

式中，w_new为新权重，f_i为权重系数，w_i为原小区域神经网络节点间的权重值。