一种基于XGBoost的孔压静力触探数据的土层量化分层方法、装置、设备以及介质制造方法及图纸

本发明专利技术提供一种基于XGBoost的孔压静力触探数据的土层量化分层方法、装置、设备以及介质，所述方法包括如下步骤：S1、孔压静力触探数据和土层分类信息的收集与整理；S2、原始静探数据的转换；S3、采用一组调试后的最优超参数建立孔压静力触探土层量化分层XGBoost预测模型；S4、对土层量化分层XGBoost预测模型进行训练；S5、运用已完成训练的土层量化分层XGBoost预测模型对另一场地的土层类型进行预测，采用softprob目标函数以输出土层对应各土类的概率；S6、确定划分精度，对分层结果进行并层处理，最终得到土层量化分层结果。本发明专利技术能快速建立孔压静力触探数据与土层类别的定量关系，实现快速精确分类，避免了传统土层分类方法的主观性，并能量化土层分类的不确定性。并能量化土层分类的不确定性。并能量化土层分类的不确定性。

【技术实现步骤摘要】
一种基于XGBoost的孔压静力触探数据的土层量化分层方法、装置、设备以及介质


[0001]本专利技术涉及岩土工程原位测试应用研究领域，尤其是涉及一种基于XGBoost的孔压静力触探数据的土层量化分层方法、装置、设备以及介质。

技术介绍

[0002]静力触探试验相比于其他原位测试手段，通常认为有快速、连续、经济的特点，现已成为岩土工程中确定土体分层信息的代表性方法。目前勘察人员在静探数据的处理方式上主要根据经验和相关公式来进行土层分类，缺乏对静探数据解译理论的研究，导致划分效率低、准确度低，影响了实际工程勘察工作的进行和后续设计计算。
[0003]中国专利CN103898890A公开了一种基于BP神经网络的双桥静力触探数据的土层量化分层方法，对双桥静力触探数据进行了连续化预处理后建立了土质量化分层BP神经网络预测模型。该方法基于BP神经网络对静力触探数据进行解译，对静探数据在土层划分上的应用有一定指导作用，但其数据预处理方式过于简单，与原始数据集相比预测精度几乎没有提升，且采用的BP神经网络结构简单，对数据挖掘深度较浅。在预测结果的输出上，该方法输出的土类标签过于绝对，信息展示不足，不能给工程设计人员充分的指导。
[0004]DOI为10.13349/j.cnki.jdxbn.20170527.001的国内论文提出了一种基于概率神经网络的孔压静力触探的土层界面识别方法，对识别土体夹层效果较好，但仍存在输入参数不能完全反应静探数据特征、模型输出结果不直观等问题。
[0005]因此，目前亟需一种可靠、高精度、输出结果友好的土层量化分层方法，进而为岩土工程勘察设计中的各项计算提供有效依据。

技术实现思路

[0006]本专利技术第一个目的在于，使用已有的孔压静力触探数据和对应土层分类信息，提供一种基于XGBoost的孔压静力触探数据的土层量化分层方法。
[0007]为此，本专利技术的上述目的通过如下技术方案实现：
[0008]一种基于XGBoost的孔压静力触探数据的土层量化分层方法，其特征在于：所述方法包括如下步骤：
[0009]S1、孔压静力触探数据和土层分类信息的收集与整理；
[0010]收集整理岩土工程勘察报告、土工试验成果资料，整理其中的孔压静力触探孔沿深度的触探数据和土层分类信息；
[0011]S2、原始静探数据的转换；
[0012]结合土的天然物理参数，将孔压静力触探数据转换为土的常规岩土参数；
[0013]S3、采用一组调试后的最优超参数建立孔压静力触探土层量化分层XGBoost预测模型；
[0014]根据土层分类问题的特征和步骤S2中得到的转换后的岩石参数特征，使用Python
语言建立基于XGBoost机器学习算法的预测模型，并调试模型的超参数，包括集成算法本身参数和弱评估器参数；
[0015]S4、对土层量化分层XGBoost预测模型进行训练；
[0016]将静探数据转换后的常规岩土参数与土层分类信息输入预测模型，对模型进行训练；
[0017]S5、运用已完成训练的土层量化分层XGBoost预测模型对另一场地的土层类型进行预测，采用softprob目标函数以输出土层对应各土类的概率；
[0018]将待预测土层的孔压静力触探数据以同样方式转换为常规岩土参数，运用已完成训练的预测模型对土层类型进行预测；
[0019]S6、确定划分精度，对分层结果进行并层处理，最终得到土层量化分层结果；
[0020]根据工程需要的划分精度，对预测结果进行并层处理，最终得到土层量化分层结果。
[0021]在采用上述技术方案的同时，本专利技术还可以采用或者组合采用如下技术方案：
[0022]作为本专利技术的一种优选技术方案：孔压静力触探数据，包括：锥尖阻力q
c
、侧壁摩阻力f
s
、孔隙水压力u2。
[0023]作为本专利技术的一种优选技术方案：所述土层分类信息，包括：淤泥和淤泥质土、粉质黏土、粉土、粉砂，分别赋予对应土类标签值0、1、2、3。
[0024]作为本专利技术的一种优选技术方案：步骤S2中，孔压静力触探数据转换成的具体常规岩土参数为：归一化锥尖阻力Q
tn
、归一化摩阻比F
r
，转换公式如下：
[0025]Q
tn
＝((q
t
‑
σ
v0
)/p
a
)
×
(p
a
/(σ
′
v0
))
n
ꢀꢀꢀ
(1)
[0026]F
r
＝f
s
/(q
t
‑
σ
v0
)
×
100％
ꢀꢀꢀ
(2)
[0027]式中：n≤1为应力指数；q
t
为经过孔压修正的锥尖阻力，q
t
＝q
c
+(1
‑
a)u2，a为探头面积比，取0.8；p
a
为参考压力，p
a
＝0.1MPa；σ
v0
、σ
′
v0
分别为总上覆土压力和上覆土有效应力。
[0028]作为本专利技术的一种优选技术方案：步骤S3中，XGBoost预测模型采用一组调试后的最优超参数，如下所示：
[0029][0030]作为本专利技术的一种优选技术方案：步骤S5中，XGBoost预测模型目标函数采用multi:softprob，输出结果为土层对应各土类的概率值，取最大概率值对应的土类作为该土层的预测土类。
[0031]作为本专利技术的一种优选技术方案：步骤S5中，并层处理过程为：将总厚度小于划分精度的同类土层合并到上一层。划分精度可根据工程需要设置为0.1～1.0m。
[0032]本专利技术第二个目的在于，针对现有技术中存在的不足，提供一种基于XGBoost的孔压静力触探数据的土层量化分层装置。
[0033]为此，本专利技术的上述目的通过如下技术方案实现：
[0034]一种基于XGBoost的孔压静力触探数据的土层量化分层装置，其特征在于：所述土层量化分层装置包括：
[0035]数据收集单元，所述数据收集单元用于收集整理岩土工程勘察报告、土工试验成果资料，整理其中的孔压静力触探孔沿深度的触探数据和土层分类信息；
[0036]静探数据转换单元，所述静探数据转换单元用于结合土的天然物理参数，将孔压静力触探数据转换为土的常规岩土参数；
[0037]模型建立单元，所述模型建立单元用于根据土层分类问题的特征和静探数据转换单元所得到的转换后的岩石参数特征，建立基于XGBoost机器学习算法的预测模型，并调试模型的超参数，包括集成算法本身参数和弱评估器参数；
[0038]模型训练单元，所述模型训练单元用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost的孔压静力触探数据的土层量化分层方法，其特征在于：所述方法包括如下步骤：S1、孔压静力触探数据和土层分类信息的收集与整理；收集整理岩土工程勘察报告、土工试验成果资料，整理其中的孔压静力触探孔沿深度的触探数据和土层分类信息；S2、原始静探数据的转换；结合土的天然物理参数，将孔压静力触探数据转换为土的常规岩土参数；S3、采用一组调试后的最优超参数建立孔压静力触探土层量化分层XGBoost预测模型；根据土层分类问题的特征和步骤S2中得到的转换后的岩石参数特征，建立基于XGBoost机器学习算法的预测模型，并调试模型的超参数，包括集成算法本身参数和弱评估器参数；S4、对土层量化分层XGBoost预测模型进行训练；将静探数据转换后的常规岩土参数与土层分类信息输入预测模型，对模型进行训练；S5、运用已完成训练的土层量化分层XGBoost预测模型对另一场地的土层类型进行预测，采用softprob目标函数以输出土层对应各土类的概率；将待预测土层的孔压静力触探数据以同样方式转换为常规岩土参数，运用已完成训练的预测模型对土层类型进行预测；S6、确定划分精度，对分层结果进行并层处理，最终得到土层量化分层结果；根据工程需要的划分精度，对预测结果进行并层处理，最终得到土层量化分层结果。2.根据权利要求1所述的基于XGBoost的孔压静力触探数据的土层量化分层方法，其特征在于：孔压静力触探数据，包括：锥尖阻力q
c
、侧壁摩阻力f
s
、孔隙水压力u2。3.根据权利要求1所述的基于XGBoost的孔压静力触探数据的土层量化分层方法，其特征在于：所述土层分类信息包括：淤泥和淤泥质土、粉质黏土、粉土、粉砂，分别赋予对应土类标签值0、1、2、3。4.根据权利要求1所述的基于XGBoost的孔压静力触探数据的土层量化分层方法，其特征在于：步骤S2中，孔压静力触探数据转换成的具体常规岩土参数为：归一化锥尖阻力Q
tn
、归一化摩阻比F
r
，转换公式如下：Q
tn
＝((q
t
‑
σ
v0
)/p
a
)
×
(p
a
/(σ
′
v0
))
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)F
r
＝f
s
/(q
t
‑
σ
v0
)
×
100％
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中：n≤1为应力指数；q
t
为经过孔压修正...

【专利技术属性】
技术研发人员：王宽君，莫品强，林浩东，汪明元，孙淼军，
申请(专利权)人：中国电建集团华东勘测设计研究院有限公司，
类型：发明
国别省市：