山西转型综改示范区黄土湿陷性指标分析及其预测模型研究

• Published in: 地质与勘探 Vol. 60; no. 6; pp. 1246 - 1256
• Main Authors: 李国华, 周爱红, 袁颖, 黄虎城, 曹聪
• Format: Journal Article
• Language: Chinese
• Published: 河北地质大学城市地质与工程学院,河北石家庄 050031%河北地质大学城市地质与工程学院,河北石家庄 050031 01.11.2024; 河北省地下人工环境智慧开发与管控技术创新中心,河北石家庄 050031%山西省地质调查院有限公司,山西太原 030006
• Subjects: 转型综改示范区; 黄土湿陷性; prediction model; 相关性; 因子分析; physico-mechanical index; 物理力学性质指标; 预测模型; Shanxi Province; loess collapsibility; transformation and comprehensive reform demonstration zone; factor analysis; correlation; 山西省
• ISSN: 0495-5331
• DOI: 10.12134/j.dzykt.2024.06.014

TU444; 黄土湿陷会引发地面沉降、路基失稳、建筑物坍塌等,严重影响城市经济发展与工程建设适宜性.因此,查明黄土湿陷性影响因素,分析黄土湿陷性指标,进而建立黄土湿陷性预测模型,可为饱受黄土湿陷性困扰地区的地质灾害防治及工程建设提供依据.本文以山西省转型综改示范区—中部产业整合区黄土为研究对象,开展研究区原状土室内土工试验,得到71组黄土物理力学性质指标,根据黄土湿陷系数与13项物理力学性质指标间皮尔逊相关系数,找出该地区黄土湿陷性显著相关指标.在此基础上,分别选取因子分析方法消除显著相关指标间相关性前后两组参数,建立该地区黄土湿陷性预测的线性回归和机器学习模型.结果表明:研究区易溶盐和中溶盐离子含量较大,存在黄土湿陷隐患;黄土湿陷系数与孔隙比、干密度和天然密度相关系数在0.701～0.707之间,具有强相关性.通过对研究区建立的线性回归模型和机器学习模型综合对比发现,消除相关性前后的线性回归模型其有效性分别为80.95％、85.71％,BP神经网络模型为80.95％、71.43％,随机森林模型为90.48％、90.48％,说明随机森林模型不受指标间相关性影响,且在黄土湿陷性预测方面具有更高的显著性、准确度和适用性.因此,本次研究建立的随机森林预测模型有效性能够满足实际工程需要,可用于该场地黄土湿陷性预测,对黄土湿陷性研究及相关工程实践具有借鉴意义.