CPT液化判别方法对比及基于机器学习的液化影响因素分析

摘要

国内外现有多种基于经验测试数据的液化判别方法，其中静力触探法（cone penetration test, CPT）由于其自身优势成为液化评价中的常用方法。该文介绍了国内外4种常用的CPT液化判别方法：NCEER法、《岩土工程勘察规范》方法（简称“岩规法”）、《软土地区岩土工程勘察规程》方法（简称“软土规程法”）和《建筑工程抗震性态设计通则》方法，对比分析了4种方法的判别结果，并采用基于数据驱动的分类与回归决策树（classification and regression tree, CART）算法以及随机森林（random forest, RF）算法对液化影响因素对液化触发的重要程度以及影响因素之间的耦合作用进行了研究分析，得出一套液化发生与否的判别新标准。结果表明：袁晓铭等提出的通则法具有均衡性，液化判别准确率最高，在7度、8度、9度区的准确率均在94%以上，均高于NCEER法，且远高于岩规法和软土规程法；NCEER法次之，但是在9度区的深层，会将大量非液化数据误判为液化数据，不符合实际；岩规法和软土规程法判别效果最差。2种机器学习方法判别准确率分别为97.6%和97.5%,且预测变量的重要性程度排名基本一致，其中相对密实度D_r、土壤类型行为指数I_c、细粒土含量（fines content, FC）、上覆盖层厚度（cover thickness, CT）对液化触发影响较大，峰值加速度（peak ground acceleration, PGA）、地下水位（groundwater table, GWT）和可液化层厚度（critical thickness of the liquefiable layer, CTL）影响较小。提出新的液化触发判别标准符合各影响因素对液化触发的影响趋势，为液化触发的预测和判别提供了参考和支持。

关键词

静力触探 / 液化判别方法 / CART决策树 / 随机森林 / 液化触发判别标准