[发明专利]一种黄土湿陷性预测方法

说明书

本发明公开了一种黄土湿陷性预测方法，包括步骤：一、采集多个黄土土样并获取黄土土样的物理力学参数；二、构建黄土土样的物理力学参数一维数据矩阵；三、一维数据矩阵归一化处理；四、归一化后的一维数据矩阵转灰度图像；五、构建图像数据库；六、训练并测试VGG卷积神经网络；七、黄土湿陷性预测。本发明利用黄土各项物性指标构建数据矩阵，将数据矩阵归一化且灰度化处理，形成黄土样本的物理力学参数对应的图像，通过卷积神经网络分类预测该黄土样本的湿陷性，速度快，且适用性强。

技术领域

本发明属于黄土湿陷性预测技术领域，具体涉及一种黄土湿陷性预测方法。

背景技术

黄土在干旱、半干旱气候条件下，以风力搬运作用为主形成的一种多孔隙、弱胶结的沉积物。黄土具有较强的水敏性和动力易损性，在建筑物上覆荷载和水浸作用下，土体结构迅速发生破坏，并伴随有显著的下沉现象，出现黄土湿陷现象。黄土湿陷性对黄土上的建筑结构和工程开展带来了严重的损害和负面影响。

全国各个黄土地区的黄土特性各有不同，又因为黄土的湿陷往往是一个非线性的过程，且受到其土体各项物理力学指标的影响。因此，为认识黄土湿陷机理，准确分析黄土各项物性指标与湿陷性的分布及关系、探索出以物理力学指标来对湿陷性进行预测评价的方法，可以更好的指导黄土地区的工程建设。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种黄土湿陷性预测方法，利用黄土各项物性指标构建数据矩阵，将数据矩阵归一化且灰度化处理，形成黄土样本的物理力学参数对应的图像，通过卷积神经网络分类预测该黄土样本的湿陷性，速度快，且适用性强，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种黄土湿陷性预测方法，其特征在于，该方法包括以下步骤：

步骤一、采集多个黄土土样并获取黄土土样的物理力学参数：采集不同地区多个黄土土样，并测量每个黄土土样的黄土土样的物理力学参数；所述黄土土样的数量不少于1000个；

所述黄土土样的物理力学参数包括试样深度、天然含水量、重力密度、孔隙比、干重度、天然孔隙比、孔隙度、饱和度、液限、塑限、液性指数、塑性指数和湿陷系数；

其中，试样深度、天然含水量、重力密度、孔隙比、干重度、天然孔隙比、孔隙度、饱和度、液限、塑限、液性指数和塑性指数为黄土土样的物理参数；

步骤二、构建黄土土样的物理参数一维数据矩阵：将黄土土样的物理参数按顺序排列构建一维数据矩阵；

步骤三、一维数据矩阵归一化处理；

步骤四、归一化后的一维数据矩阵转灰度图像，获取每个黄土土样的黄土土样的物理参数与湿陷系数对应的训练样本图像；

步骤五、构建图像数据库：将多张训练样本图像构成一个图像数据库，对图像数据库进行随机分类，获得图像训练数据集合和图像测试数据集合；

步骤六、训练并测试VGG卷积神经网络，过程如下：

步骤601、VGG卷积神经网络初始化：所述VGG卷积神经网络包括输入层、特征提取模块、全连接层、Softmax分类器和输出层，所述输入层输入为训练样本图像，输出层为期望输出向量；

步骤602、设定期望输出向量：设定湿陷系数δ_s＜0.015的非湿陷性黄土土样的期望输出向量Q₁＝[1000]，设定湿陷系数0.015≤δ_s≤0.03的轻微湿陷性黄土土样的期望输出向量Q₂＝[0100]，设定湿陷系数0.03＜δ_s≤0.07的中等湿陷性黄土土样的期望输出向量Q₃＝[0010]，设定湿陷系数δ_s＞0.07的强烈湿陷性黄土土样的期望输出向量Q₄＝[0001]；