一种深厚泥炭土水泥搅拌桩成桩后强度预测方法技术

本发明专利技术公开了一种深厚泥炭土水泥搅拌桩成桩后强度预测方法，适用于水泥搅拌桩强度预测领域，包括地质勘察、工程分区、试验桩数据采集并构建数据集、数据归一化处理、预测模型搭建、优化初始权阈值、训练预测模型、评估预测模型和实际应用；本发明专利技术提出的一种深厚泥炭土水泥搅拌桩成桩后强度预测方法具有突出的节省成本、预测精度高、适应性强等优点，可应用于深厚泥炭土水泥搅拌桩成桩后强度预测工程实践中。中。中。

【技术实现步骤摘要】
一种深厚泥炭土水泥搅拌桩成桩后强度预测方法


[0001]本专利技术是一种水泥搅拌桩成桩强度的预测方法，尤其涉及一种深厚泥炭土水泥搅拌桩成桩后强度预测方法。

技术介绍

[0002]随着城市化进程的加速，越来越多的构筑物需要在软土地质条件下建造。深厚泥炭土是一种常见的软土类型，其强度和稳定性通常较差，因此在长期使用后可能会产生沉降或变形等问题，导致建筑物结构的不稳定性和安全隐患。为了解决这些问题，采用水泥搅拌桩成桩技术是一种有效的处理方法。
[0003]然而，深厚泥炭土条件下的水泥搅拌桩成桩技术的强度预测仍然是一个困难的问题。传统的试验方法费时费力，且成本较高，因此需要寻找更有效的方法来预测该技术下成桩后的强度。因此，有必要提出一种方法节省成本、预测精度高、适应性强的深厚泥炭土水泥搅拌桩强度预测方法，以满足工程实际的需求。

技术实现思路

[0004]本专利技术的目的，在于提供一种深厚泥炭土水泥搅拌桩成桩后强度预测方法，具有节省成本、预测精度高、适应性强等优点。
[0005]本专利技术的目的可以通过采用如下技术方案达到：
[0006]S101，地质勘察：所述地质勘察，包括对深厚泥炭土进行地质勘察，获得深厚泥炭土地区的详细地勘资料；
[0007]S102，工程分区：所述工程分区，包括根据地质勘探结果对工程区域进行分区，所述地质勘探结果包括地质条件和土壤性质；
[0008]S103，试验桩数据采集并构建数据集：所述试验水泥搅拌桩数据采集并构建数据集，包括对水泥搅拌桩相关数据进行采集并构建数据集，所述水泥搅拌桩相关数据为水灰比、水泥浆比重、每延米水泥用量、每延米水用量、钻进管道工作压力代表值、提升管道工作压力代表值、喷浆管道工作压力代表值、钻进速度、提升速度、喷浆速率和28天强度代表值，所述钻进管道工作压力代表值、提升管道工作压力代表值和喷浆管道工作压力代表值获得方法为通过传感器等时间间隔对工作压力进行等间隔测量，取中位数作为代表值，所述数据集按照7比3的比例随机分为训练集和测试集，训练集用于训练模型，测试集用于对模型预测结果进行测试；
[0009]S104，数据归一化处理：所述数据归一化处理，包括对数据集的同类数据进行归一化处理，以便于后续模型的建立，所述归一化处理的方法采用最大最小值法；
[0010]S105，预测模型搭建：所述预测模型搭建，包括确定BP神经网络的拓补结构、设置学习速度、设置训练目标误差和设置最大训练次数，所述BP神经网络的拓补结构为BP神经网络设置为3层，分别为输入层、隐藏层和输出层，所述输入层神经元数量为10，所述隐含层神经元数量为12，所述输出层神经元数量为1，所述设置学习速度为设置学习速度为0.01，
所述设置训练目标误差为设置训练目标误差为10
‑6，所述设置最大训练次数为设置最大训练次数为1000；
[0011]S106，优化初始权阈值：所述优化初始权阈值，包括采用萤火虫算法对BP神经网络的初始权阈值进行优化，所述萤火虫算法对BP神经网络的初始权阈值进行优化的具体步骤为a)初始化萤火虫算法的参数，参数为萤火虫数量、最大吸引度、光强吸收系数、步长因子、搜索精度，b)根据BP神经网络拓补结构构建萤火虫算法的位置表达，初始化萤火虫的位置，计算萤火虫的目标函数值作为各自的最大发光量度，c)分别计算群体中的萤火虫相对亮度和吸引力，根据相对亮度决定萤火虫的移动方向，d)更新萤火虫的空间位置，对处在最佳位置的萤火虫进行随机扰动，e)根据更新后的萤火虫位置，重新计算萤火虫的量度，f)当满足搜索精度后进行下一步，否则搜索次数增加1，转到步骤b进行下一次搜索，g)输出最优个体值，将最优个体值的位置信息作为初始权阈值赋予所述的BP神经网络；
[0012]S107，训练预测模型：所述训练预测模型，包括采用训练集数据对BP神经网络预测模型进行训练，所述BP神经网络预测模型输入层输入数据为所述数据集中归一化之后的水灰比、水泥浆比重、每延米水泥用量、每延米水用量、钻进管道工作压力代表值、提升管道工作压力代表值、喷浆管道工作压力代表值、钻进速度、提升速度和喷浆速率，所述输出层输出数据为归一化后28天强度代表值，所述对BP神经网络预测模型进行训练主要步骤为a)根据萤火虫算法获得的初始权阈值进行网络初始化，b)计算隐含层输出，c)计算输出层输出，d)计算误差，误差如果满足要求或者迭代次数达到设定要求则完成训练获得训练后模型，否则迭代次数增加1，调整权阈值返回步骤b继续训练；
[0013]S108，评估预测模型：所述评估预测模型，包括采用测试集数据对获得的训练后模型进行评估，所述评估采用拟合优度作为评估指标，所述拟合优度大于0.95即认为获得的训练后模型符合要求可用于实际应用，否则应返回步骤3重新进行；
[0014]S109，实际应用：所述实际应用，根据获得的预测模型，将待预测强度的水泥搅拌桩的水灰比、水泥浆比重、每延米水泥用量、每延米水用量、钻进管道工作压力代表值、提升管道工作压力代表值、喷浆管道工作压力代表值、钻进速度、提升速度和喷浆速率进行归一化之后输入模型计算获得归一化预测值，对归一化预测值进行反归一化即可获得预测值。
[0015]进一步，上述S103中，所述28天强度代表值获得方法为对成桩28天的试验水泥搅拌桩进行水泥搅拌桩钻芯法检测获得；
[0016]进一步，上述S106中，所述萤火虫的目标函数值计算公式如式(1)所示，
[0017][0018]式中，n为训练集样本总数量，d
i
为第i个样本的期望输出，v
i
为第i个样本的网络输出。本专利技术的有益效果是:
[0019]相对于现有技术，本专利技术为一种深厚泥炭土水泥搅拌桩成桩后强度预测方法，具有节省成本、预测精度高、适应性强等优点。
附图说明
[0020]图1：为本专利技术的一种深厚泥炭土水泥搅拌桩成桩后强度预测方法的流程图。
具体实施方式
[0021]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，相对照附图说明本专利技术的具体实施方式。
[0022]如图1所示，为本专利技术提出一种深厚泥炭土水泥搅拌桩成桩后强度预测方法流程图，该流程图包括内容如下。
[0023]S101，地质勘察：所述地质勘察，包括对深厚泥炭土进行地质勘察，获得深厚泥炭土地区的详细地勘资料；
[0024]S102，工程分区：所述工程分区，包括根据地质勘探结果对工程区域进行分区，所述地质勘探结果包括地质条件和土壤性质；
[0025]S103，试验桩数据采集并构建数据集：所述试验水泥搅拌桩数据采集并构建数据集，包括对水泥搅拌桩相关数据进行采集并构建数据集，所述水泥搅拌桩相关数据为水灰比、水泥浆比重、每延米水泥用量、每延米水用量、钻进管道工作压力代表值、提升管道工作压力代表值、喷浆管道工作压力代表值、钻进速度、提升速度、喷浆速率和28天强度代表值，所述钻进管道工作压力代表值、提升管道工作压力代表值和喷浆管道工作压力代表值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深厚泥炭土水泥搅拌桩成桩后强度预测方法，其特征在于，所述方法包含以下步骤：1)地质勘察；2)工程分区；3)试验桩数据采集并构建数据集；4)数据归一化处理；5)预测模型搭建；6)优化初始权阈值；7)训练预测模型；8)评估预测模型；9)实际应用；所述地质勘察，包括对深厚泥炭土进行地质勘察，获得深厚泥炭土地区的详细地勘资料；所述工程分区，包括根据地质勘探结果对工程区域进行分区，所述地质勘探结果包括地质条件和土壤性质；所述试验水泥搅拌桩数据采集并构建数据集，包括对水泥搅拌桩相关数据进行采集并构建数据集，所述水泥搅拌桩相关数据为水灰比、水泥浆比重、每延米水泥用量、每延米水用量、钻进管道工作压力代表值、提升管道工作压力代表值、喷浆管道工作压力代表值、钻进速度、提升速度、喷浆速率和28天强度代表值，所述钻进管道工作压力代表值、提升管道工作压力代表值和喷浆管道工作压力代表值获得方法为通过传感器等时间间隔对工作压力进行等间隔测量，取中位数作为代表值，所述数据集按照7比3的比例随机分为训练集和测试集，训练集用于训练模型，测试集用于对模型预测结果进行测试。所述数据归一化处理，包括对数据集的同类数据进行归一化处理，以便于后续模型的建立，所述归一化处理的方法采用最大最小值法；所述预测模型搭建，包括确定BP神经网络的拓补结构、设置学习速度、设置训练目标误差和设置最大训练次数，所述BP神经网络的拓补结构为BP神经网络设置为3层，分别为输入层、隐藏层和输出层，所述输入层神经元数量为10，所述隐含层神经元数量为12，所述输出层神经元数量为1，所述设置学习速度为设置学习速度为0.01，所述设置训练目标误差为设置训练目标误差为10
‑6，所述设置最大训练次数为设置最大训练次数为1000；所述萤火虫算法优化初始权阈值，包括采用萤火虫算法对BP神经网络的初始权阈值进行优化，所述萤火虫算法对BP神经网络的初始权阈值进行优化的具体步骤为a)初始化萤火虫算法的参数，参数为萤火虫数量、最大吸引度、光强吸收系数、步长因子、搜索精度，b)根据BP神经网络拓补结构构建萤火虫算法的位置表达，初始化萤火虫的位置，计算萤火虫的目标函数值作为各自的最大发光量度，c)分别计算群体中的萤火虫相对亮...

【专利技术属性】
技术研发人员：梁鉴源，叶锡钧，钟钙冰，冯荣先，金军良，刘亮，程文才，黄乐，何沛衡，周涛，袁凯，袁武，
申请(专利权)人：广州大学，
类型：发明
国别省市：