基于原位测试数据的桩基承载力预测方法研究

摘要

地震波孔压静力触探(Seismic Piezocone Penetration Test，SCPTU)是国内较先进的原位测试技术。因其理论基础深厚、功能强大齐全、测试精度高、获取数据准确稳定等特点，被广泛应用于土层划分、物理力学参数获取以及承载力特性分析等领域。由于其省时、省力、低成本的特点，在工程地质勘察、基坑设计以及地质灾害评估等方面也起到了举足轻重的作用。本文依托镇江市某单位近几年积累的资料，根据该地区典型地层特征，基于地震波孔压静力触探原位测试数据，采用统计学分析理论、模糊聚类分析方法、BP神经网络方法对单桩竖向承载特性进行了分析，主要研究内容包括以下几个方面:
　　1.以传统原位测试方法(CPT/CPTU)为技术手段，以土层参数（锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力）为研究对象，对镇江市不同区域的土层进行了划分，并用统计理论对每一种方法的可靠性进行了分析和评价。
　　2.运用模糊K-均值聚类算法，建立了基于SCPTU测试数据的单桩竖向承载力预测模型。针对镇江地区典型地基，编制了相应的MATLAB程序，考虑沿桩长的全部测试数据，并对奇异数据进行有效修正，对单桩承载力进行了预测，结合现场静载试验资料，与传统的原位试验预测方法进行比较，验证了模糊K-均值聚类方法预测的有效性。
　　3.通过对镇江地区软土地层进行划分，对不同软土地基的工程参数进行了统计。基于BP神经网络算法，建立了修正的BP神经网络模型，以地震波孔压静力触探测试(SCPTU)测得的四个指标（qc，fs，vs，u）为输入，竖向承载力为输出，对位于不同区域的单桩承载力进行了预测，并得到了桩基的荷载-时间-沉降曲线。同时以地基土的物理力学指标为输入，地基承载力为输出，运用镇江地区的97组实测数据分析了液性指数、压缩模量与地基承载力之间的关系，得到相关系数较高的曲线。经过与传统方法的比较发现，用修正的BP神经网络算法可以有效的预测竖向承载力。

目录

声明

摘要

主要符号表

第一章 绪论

1．1 引言

1．2 确定桩基极限承载力的理论方法研究现状

1．2．1 地基响应方法

1．2．2 连续介质力学方法

1．2．3 数值计算方法

1．2．4 试验方法

1．2．5 理论方法确定桩基承载力存在的不足

1．3 基于原位测试方法预测桩基承载力研究现状

1．3．1 静力触探(CPT)测试方法

1．3．2 孔压静力触探(CPTU)方法

1．3．3 地震波孔压锥体触探(SCPTU)方法

1．3．4 基于原位测试方法预测桩基承载力的研究现状

1．4 本文研究的主要内容

第二章 基于原位测试技术预测桩基承载力的传统方法

2．1 引言

2．2 基于SCPTU的土分类方法研究

2．2．1 基于CPT／CPTU的土分类方法

2．2．2 基于CPT／CPTU的土分类可靠性分析

2．3 基于SCPTU土分类方法的桩基承载力预测方法

2．3．1 基于SCPTU的桩荷载传递原理分析

2．3．2 基于SCPTU方法预测单桩承载力

2．3．3 基于CPT／CPTU方法预测单桩承载力的可靠性分析

2．3 本章小结

第三章 基于模糊K-均值聚类算法对桩基承载力的预测

3．1 引言

3．2 模糊K-均值聚类算法分析模型的建立

3．2．1 模糊K均值聚类算法介绍

3．2．2 模糊K均值聚类算法模型建立的步骤

3．2．2 模糊K均值聚类算法运算流程图

3．3 基于模糊K-均值聚类算法对桩基承载力进行预测的程序实现

3．3．1 现场原位测试数据资料的收集

3．3．2 对原位测试数据进行比较分析

3．3．3 模糊K-均值聚类算法对桩基承载力的预测结果

3．4 传统预测方法与聚类方法的比较分析

3．5 本章小结

第四章 基于BP神经网络对桩基承载力的预测

4．1 引言

4．2 BP神经网络分析模型的建立

4．2．1 BP神经网络算法介绍

4．2．2 BP神经网络算法模型建立的理论依据

4．2．3 对BP神经网络算法的改进

4．2．4 BP神经网络算法流程图

4．3 基于BP神经网路算法对桩基承载力进行预测的程序实现

4．3．1 现场试验数据的收集

4．3．2 对试验数据的前处理

4．3．3 改进的BP神经网络模型对桩基承载力的预测结果

4．3．4 BP神经网路对地基承载力的预测

4．4 本章小结

第五章 结论与展望

5．1 本文的主要结论

5．2 展望

参考文献

致谢

在学期间已发表或录用论文