一种淤泥地质地基可靠性探测方法与流程

本发明属于建筑施工，具体而言，涉及一种淤泥地质地基可靠性探测方法。

背景技术：

1、淤泥质土是指天然含水率大于液限、天然孔隙比在1.0～1.5之间的粘性土。这种软弱土广泛分布在我国东南沿海地区和内陆的大江、大河、大湖沿岸及周边。淤泥质土天然含水率高、孔隙比大、粘粒含量高，渗透性很弱，其渗透系数一般为10-8cm/s～10-6cm/s，所以在荷载作用下具有排水固结缓慢、沉降时间长、强度低的不良地质特性。且淤泥质土具有流变性，在荷载作用下，承受剪应力的作用产生缓慢的剪切变形，并可能导致抗剪强度的衰减，在主固结沉降完成后还可能产生可观的次固结沉降。因流变而产生的沉降持续时间可达几十年，且淤泥质土的长期强度小于瞬时强度。

2、目前，在淤泥质土的地基处理技术上，当淤土层较厚，难以大面积进行深处理时，对中小型水工建筑物，一般采用桩基法进行加固处理，当淤土层厚度小于5m时，宜打砂桩或石灰桩，通过吸水和排水来挤密淤土，使其孔隙比小于1，以达到一般地基要求。当淤土层厚度在5～7m时，宜打预制桩至硬土层，作承载桩台。当淤土层厚度在7～10m时，宜打灌注桩至硬土层，作承载桩台。当淤土层厚度在10m以上时，宜采用打悬浮桩的办法，挤密淤土层并靠摩擦承载。但这种打桩方法在地基施工前没有探测硬土层位置的情况下，容易出现桩柱过短，或倾斜，未充分与硬土层部分接触，造成地基承载力低，建筑易塌陷的问题。

技术实现思路

1、淤泥地质地基在施工前未对硬土层所在方位进行探测而进行施工打桩，存在载桩台未与硬质土部分充分接触或倾斜，导致地基承载力低，建筑塌陷的问题。

2、本发明是这样实现的：

3、本发明提供一种淤泥地质地基可靠性探测方法，包括以下步骤：

4、s11：建立多个不同位置背景的淤泥地质探测模型，通过正演模拟获得叠前淤泥地质集数据，对其进行数据处理获得叠后淤泥地质剖面数据，对叠后淤泥地质剖面数据进行属性提取，获得地质属性剖面数据，对叠前淤泥地质集数据和叠后淤泥地质剖面数据分别进行叠前、叠后反演获得物理参数属性剖面数据；

5、s12：将地质属性剖面数据和物理参数属性剖面数据组成的地震多属性数据集，进行基于子空间变换的优选融合处理，得到地质多属性融合剖面数据；

6、s13：对所述叠后淤泥地质剖面数据进行支撑力测试实验，形成淤泥地质支撑力异常的数据标记；

7、s14：建立深度学习网络模型，以地质多属性融合剖面数据为输入层，以于所述地质多属性融合剖面数据同淤泥地质支撑力异常的数据标记为输出层，对所述深度学习网络模型进行训练，得到淤泥地质可靠性探测模型；

8、s15：利用淤泥地质可靠性探测模型对淤泥地质进行可靠性判断。

9、所述淤泥地质支撑力异常的数据标记具体为：对淤泥地质层左上角、左下角、右上角、右下角位置的支撑力异常数据进行标记，作为支撑力数据异常的数据标记；

10、在上述技术方案的基础上，本发明的一种淤泥地质地基可靠性探测方法还可以做如下改进:

11、其中，所述步骤s11具体包括：

12、第一步：利用地质力学物理理论模型，计算不同位置的容重、抗剪强度、压缩系数、压缩模量、基底摩擦系数、渗透系数等物性参数，并对所述多个不同位置的淤泥地质探测模型的各层赋予不同的物性参数，形成一系列淤泥地质探测模型；

13、第二步：利用波动方程对所述多个不同地质背景的淤泥地质探测模型分别进行正演模拟，形成叠前淤泥地质可靠性集数据，并处理得到叠后淤泥地质剖面数据；

14、第三步：提取所述叠后淤泥地质剖面数据中与支撑力均匀时的地质属性；

15、第四步：对叠前淤泥地质可靠性数据和叠后淤泥地质可靠性数据分别进行叠前、叠后反演获得弹性参数属性剖面数据。

16、其中，所述物理参数属性剖面数据至少包括容重、抗剪强度、压缩系数、压缩模量、基底摩擦系数、渗透系数。

17、其中，所述步骤s12包括：

18、第一步：将地质属性剖面数据集数据转化为矩阵x，

19、其中，

20、式中，n为地质属性的个数，每个地质属性最大m个采样点，n次采样次数；

21、第二步：对矩阵x的多个属性值进行标准化处理得到标准化矩阵x1，其中，标准差标准化公式为：

22、

23、式中，为变换后的数据，为变换前的数据，为第i个变量所有观测值的平均值，sj为第i个变量的标准差；

24、第三步：计算标准化矩阵x1的协方差矩阵c，

25、其中，

26、式中，cij为xi的方差；

27、第四步：对协方差矩阵c进行特征值分解，并将得到的特征值进行降序排列；

28、第五步：对特征值计算贡献率和累积贡献率，其中贡献率的计算式为：

29、

30、累积贡献率的计算式为：

31、

32、第六步：选取使得累积贡献率大于0.95的前t个特征值；

33、第七步：将选取的t个特征值对应的地质属性，按照其贡献率加权求和，得到地震多属性融合剖面数据。

34、其中，所述步骤s14包括：

35、第一步：构建训练样本，具体是：按照承受力坐标数据集，形成深度学习网络训练数据集；

36、第二步：设计网络架构和初始化，具体是：构建一个卷积神经网络，其中包含1个输入层，3个卷积层，3个relu非线性激活层层，3个池化层，1个全连接层以及1个输出层；

37、第三步：通过卷积神经网络训练得到淤泥地质预测模型，具体包括前向传播网络训练和反向传播网络训练两个阶段，所述前向传播网络训练是，将输入地质多属性融合剖面数据通过卷积和池化的处理后提取特征图像，并将得到的特征图像转化为一维向量，输入全连接层，由分类器得出识别结果，即输出向量，所述输出向量的每个值表示输入数据分别为最大重力负荷值大小；所述反向传播网络训练是：当前向传播网络训练的输出结果与期望输出不符时，采用随机梯度下降优化算法进行反向传播网络训练，更新卷积层的参数。

38、其中，所述支撑力异常数据包为对上述四个位置的淤泥地质层支撑力数据进行排序，计算出平均值，与所述平均值相差较大的支撑力数据即为支撑力异常数据。

39、其中，所述s15的具体步骤包括：

40、第一步：选择不同位置下的实际地质数据，按照步骤s11进行处理，获得叠后淤泥地质剖面数据和实际地质多属性剖面数据集；

41、第二步：按照步骤s12对实际地质多属性剖面数据集进行融合，获得实际地质多属性融合剖面数据；

42、第三步：根据不同位置下的实际地质数据，对所述叠后淤泥地质剖面数据进行支撑异常数据标记；

43、第四步：以实际地质多属性融合剖面数据为输入层，以与所述叠后地震剖面数据进行支撑异常数据标记为输出层，构建实际地质数据的训练数据集；

44、第五步；将计算输出的数值与最大阈值和最优阈值进行比较，小于最大阈值且接近最优阈值的数值对应的淤泥地质地基即为可靠性合格的淤泥地质地基。

45、其中，所述支撑力测试实验为对淤泥地质层中不同位置进行容不同负荷下的支撑力测试，将不同重力的重力块逐次压到所述淤泥地质层上，进行支撑力测试。

46、进一步的，所述支撑力大小的输出结果包括：最大阈值、最优阈值；所述最大阈值对应淤泥地质层不发生塌陷和沉降时对应的最大重力负荷值数值，所述最优阈值对弈淤泥地质层发生合理沉降对应的支撑力数值。

47、进一步的，使用吊机将不同重力的重力块从小到大逐次累积压在需要测试的淤泥地质层上，当淤泥地质发生凹陷时，记录此时的重力块加和数，即为最大重力负荷值，当淤泥地质发生轻微歪斜时，记录此时的重力块加和数，即为淤泥地质合理沉降的支撑力数值。

48、与现有技术相比较，本发明提供的一种淤泥地质地基可靠性探测方法的有益效果是：利用淤泥地质可靠性探测模型可以对淤泥地质地基可靠性进行快速判断。从而避免地基载桩台与硬质土未充分接触，或载桩台倾斜，造成地基承载力低，建筑易坍塌的问题。