楊 逾,鄭志明

（遼寧工程技術(shù)大學(xué)土木與交通學(xué)院,遼寧阜新 123000）

基于范例推理的軟基處理評(píng)價(jià)方案研究

楊 逾,鄭志明

（遼寧工程技術(shù)大學(xué)土木與交通學(xué)院,遼寧阜新 123000）

高速公路軟土地基處理方案是影響工程質(zhì)量、工程造價(jià)和建設(shè)工期的關(guān)鍵因素之一。為制定技術(shù)可靠、經(jīng)濟(jì)合理、安全適用的軟基處理方案,提出采用反映屬性特征值之間的統(tǒng)計(jì)參數(shù)——變異系數(shù)來計(jì)算屬性參數(shù)的權(quán)重,系統(tǒng)研究了基于變權(quán)的高速公路軟基處理范例推理智能評(píng)價(jià)方法。通過大量有明確結(jié)論的軟土處理工程實(shí)例,建立軟土地基處理方案范例庫,用變異系數(shù)來確定屬性參數(shù)的權(quán)重,采用Euclidean Metric Distance計(jì)算公式計(jì)算目標(biāo)范例與源范例的相似性,找到與目標(biāo)范例最為相似的源范例。實(shí)例分析結(jié)果表明,基于變權(quán)的軟基處理范例推理智能評(píng)價(jià)方法具有較高的可靠性。研究成果將為制定科學(xué)合理的軟基處理方案提供科學(xué)依據(jù)。

道路工程；軟土地基；范例推理；變異系數(shù)；歐幾里得距離

2015,32（12）：93－97

1 研究背景

隨著沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)的快速發(fā)展,沿海地區(qū)高速公路建設(shè)近些年發(fā)展迅猛。據(jù)2013年6月20日交通運(yùn)輸部公布的《國家公路網(wǎng)規(guī)劃（2013—2030年）》統(tǒng)計(jì),我國高速公路總里程已增加到11.8×104km[1］。修建于沿海地區(qū)的高速公路軟土路基將不可避免地發(fā)生路堤迅速沉降、路堤整體滑動(dòng)、路面破壞、與橋臺(tái)銜接處產(chǎn)生差異沉降等軟土路基常見病害[2－3］,影響道路交通使用安全,甚至誘發(fā)交通事故,造成巨大的財(cái)產(chǎn)損失和資源浪費(fèi)。

軟基處理技術(shù)方案已經(jīng)比較成熟,但不可否認(rèn)的事實(shí)是軟基處理方案選擇仍面臨影響因素眾多、設(shè)計(jì)理論不成熟、工程類似經(jīng)驗(yàn)難以普及推廣應(yīng)用等諸多問題。對(duì)工程經(jīng)驗(yàn)少、影響因素多的軟基處理工程來說,在軟基處理方案選擇時(shí),就存在一定的無方向性[4－5］。因此,如何結(jié)合工程實(shí)際情況,根據(jù)已有經(jīng)驗(yàn),預(yù)先提出技術(shù)可行、施工安全、經(jīng)濟(jì)合理且效果顯著的軟基處理技術(shù)評(píng)價(jià)方案具有十分重要的意義。

CBR技術(shù)（基于范例的推理技術(shù)）是20世紀(jì)90年代后期興起的一項(xiàng)人工智能技術(shù),其基本原理是建立已往解決類似問題經(jīng)驗(yàn)和方法的數(shù)據(jù)庫,通過工程類比,提出解決類似工程問題的優(yōu)選方案[6－8］。CBR技術(shù)已廣泛應(yīng)用于醫(yī)療診斷、氣象預(yù)測(cè)和工程治理方案優(yōu)化等領(lǐng)域,具有其它推理技術(shù)無法比擬的優(yōu)越性[9］。近些年國內(nèi)外廣大工程建設(shè)者和科研工作者通過大量工程實(shí)例建立了許多成熟的軟基處理技術(shù)方案,這給利用CBR技術(shù)進(jìn)行軟基處理評(píng)價(jià)的研究提供了可靠的數(shù)據(jù)依據(jù)[10－11］。

2 基于變權(quán)的軟基處理方案范例推理決策模型

2.1 軟基處理源范例庫的建立

通過已有處理方式明確、效果顯著的軟基處理工程實(shí)例,收集該類工程如軟土層厚度hs、壓縮模量Es、硬殼層厚度hy和填土高度ht等屬性參數(shù)及其對(duì)應(yīng)的軟基處理方式,建立源范例庫（S）。將某高速公路軟基處理工程問題作為目標(biāo)范例（T）,通過目標(biāo)范例（T）與源范例（S）之間的相似度計(jì)算,對(duì)比分析T與S之間的相似程度,從而得到目標(biāo)范例T的解決方案,即合理確定某一特定工程軟基處理方案。

2.2 屬性參數(shù)的選擇

選擇軟基處理方案時(shí)需要考慮的影響因素眾多,在建立軟基處理方案評(píng)價(jià)模型時(shí)不可能一一考慮。而大量事實(shí)表明,某些影響軟基處理方案評(píng)價(jià)的指標(biāo)是相互關(guān)聯(lián)的,例如折學(xué)森[12］認(rèn)為,軟土的孔隙比e、含水量ω、壓縮系數(shù)α1－2和壓縮模量Es之間具有一定的內(nèi)在聯(lián)系,所以在建立軟基處理方案評(píng)價(jià)的源范例庫時(shí),可選擇上述因素中具有代表性的指標(biāo)作為范例庫的屬性參數(shù)；張誠厚等[13］對(duì)公路軟基處理問題的研究結(jié)果表明：軟土土層厚度hs和填土高度ht是影響軟基處理技術(shù)的2個(gè)主要影響因素；朱福等[14］則認(rèn)為軟土地表硬殼層厚度hy對(duì)路基的應(yīng)力擴(kuò)散、對(duì)路堤的支撐及穩(wěn)定等影響顯著,建議選取hy作為范例庫的又一屬性參數(shù)。

綜上選擇Es,hs,ht和hy4個(gè)指標(biāo)作為軟基處理范例決策模型的屬性參數(shù)[15］。

2.3 軟基處理方式

修建于軟土地基的高速公路需根據(jù)地質(zhì)條件確定地基是否需要進(jìn)行處理作出評(píng)價(jià)。對(duì)某些地質(zhì)條件下的軟弱土地基若處理方案選擇不當(dāng),則不僅會(huì)破壞軟土的原有結(jié)構(gòu),使之強(qiáng)度大大降低,導(dǎo)致地基產(chǎn)生過大的附加沉降,影響道路交通使用安全甚至造成工程事故,而且也有可能會(huì)造成巨大的資源浪費(fèi)。因此需要運(yùn)用智能評(píng)價(jià)方法對(duì)處理方式作出經(jīng)濟(jì)合理、技術(shù)可靠的軟基處理方案決策。常見的高速公路軟基處理技術(shù)方式見表1。

表1 地基處理方式Table 1 Methods of foundation treatment

2.4 屬性權(quán)重的確定

目前,確定影響因素權(quán)重的手段主要包括：專家咨詢法（Delphi Method）、主成分分析法、AHP法、熵值法、因子分析法和人工神經(jīng)網(wǎng)絡(luò)法等[16－17］。但上述方法確定的權(quán)重均存在一定的盲目性,即未考慮在不同的決策條件下,相同的影響因素會(huì)對(duì)決策結(jié)果產(chǎn)生不同的影響?；诖?根據(jù)變權(quán)的概念,提出采用變異系數(shù)Cvj來計(jì)算屬性參數(shù)的權(quán)重,計(jì)算公式為：

式中：Cvj為第j個(gè)參數(shù)的變異系數(shù)；ωj為第j個(gè)參數(shù)的權(quán)重,其中j＝1,2,…,m。

2.5 相似度計(jì)算

CBR法通過計(jì)算目標(biāo)范例T與源范例S的相似度來評(píng)價(jià)二者的相似程度,并據(jù)此確定目標(biāo)范例的最優(yōu)解。常用的CBR模型主要包括：基于Euclidean metric（歐幾里得度量）、Manhattan Distance（曼哈頓距離）和模糊相似優(yōu)先的CBR推理模型。本文采用式（5）來計(jì)算目標(biāo)范例T和源范例S的相似程度。

由于各屬性參數(shù)的量綱不同,因此采用式（6）和式（7）對(duì)各屬性參數(shù)進(jìn)行規(guī)范化處理,將各屬性參數(shù)值換算到[0,1］區(qū)間。

越大越優(yōu)型：

越小越優(yōu)型：

式中：max xj和min xj分別為軟基源范例中,第j個(gè)屬性的最大值和最小值。

3 軟基處理工程實(shí)例

3.1 軟基工程概況

某濱海軟土地區(qū)高速公路設(shè)計(jì)行車速度120 km/h,雙向4車道,路基寬32 m,總長52.36 km。全線穿越濱海軟土地區(qū),填方路基均高度介于1.5～6.3 m之間,分布有厚度不等的軟土,需處理的軟基長度41.25 km,占總線路的78.78%。沿線廣泛分布第四系全新統(tǒng)（Q4）、上更新統(tǒng)（Q3）和中更新統(tǒng)（Q2）地層對(duì)工程影響廣泛。沿線不良地層主要分布在起點(diǎn)K2＋525至K40＋725處,土層為全新統(tǒng)頂段沖積層上部的淤泥質(zhì)土,對(duì)本項(xiàng)目工程影響最為顯著,對(duì)路橋工程影響較大。從土體工程力學(xué)指標(biāo)來看,該段軟土具有壓縮性高、強(qiáng)度低等特點(diǎn),對(duì)路基的穩(wěn)定性和線路的平順性會(huì)產(chǎn)生較大影響,需對(duì)該軟土地基進(jìn)行處理。

3.2 屬性參數(shù)的選擇

本文以文獻(xiàn)[12］中的15個(gè)軟基處理工程實(shí)例和第3.1節(jié)中的某高速公路軟基處理工程作為研究對(duì)象,為驗(yàn)證CBR技術(shù)的可行性,將文獻(xiàn)[12］的1－12個(gè)軟基處理工程實(shí)例作為源范例,13－16工程實(shí)例作為目標(biāo)范例,根據(jù)前述方法,通過計(jì)算獲得13－16軟基處理工程的處理方式,并進(jìn)行驗(yàn)證。其屬性參數(shù)包括：Es,hs,ht和hy。屬性參數(shù)值及對(duì)應(yīng)的處理方式見表2。

表2 軟基處理工程實(shí)例Table 2 Engineering examples of soft foundation treatment

由于屬性參數(shù)的量綱不同,所以各屬性參數(shù)之間具有不可公度性,因此先采用式（6）和式（7）對(duì)表2中的數(shù)據(jù)進(jìn)行規(guī)范化處理。其中hs和ht為越小越優(yōu)型參數(shù),而hy和Es為越大越優(yōu)型參數(shù),規(guī)范化結(jié)果見表3。

表3 軟基處理工程實(shí)例數(shù)據(jù)的規(guī)范化處理結(jié)果Table 3 Processing results of standardized data of engineering example for soft foundation treatment

3.3 權(quán)重的確定

利用第2.4節(jié)的理論,對(duì)表3數(shù)據(jù)進(jìn)行計(jì)算,得到屬性參數(shù)的平均性指標(biāo)、均方差指標(biāo)和變異性指標(biāo)。據(jù)此得到各屬性參數(shù)的權(quán)重,見表4和表5。

表4 平均性指標(biāo)和均方差指標(biāo)Table 4 Indexes of mean value and mean square deviation

表5 變異性指標(biāo)及權(quán)重Table 5 Indexes of variability and weight

3.4 相似度計(jì)算

根據(jù)式（5）進(jìn)行計(jì)算目標(biāo)范例與源范例的相似度計(jì)算,結(jié)果如表6所示。

表6 目標(biāo)范例與源范例之間的相似性Table 6 Similarity between the target case and the source case

從表6可以看出,目標(biāo)范例13與源范例2最相似,對(duì)應(yīng)的處理方式為不處理；目標(biāo)范例14與源范例8最相似,對(duì)應(yīng)的處理方式為深層處理；目標(biāo)范例15與源范例11最相似,對(duì)應(yīng)的處理方式為深層處理。可見上述結(jié)論與文[12］中軟基處理工程方案一致,說明采用本文提出的軟基處理方案來評(píng)價(jià)軟基處理工程方案有效,可以用于類似軟基處理工程的智能處理方案決策中。因此目標(biāo)范例16即本文提到的某高速公路軟基處理工程與源范例11最相似,因此該工程對(duì)應(yīng)的處理方式應(yīng)為深層處理。

4 結(jié) 論

本文以某高速公路軟土地基處理方案為研究對(duì)象,提出采用反映屬性特征值之間的統(tǒng)計(jì)參數(shù)——變異系數(shù)來計(jì)算屬性參數(shù)的權(quán)重,系統(tǒng)地研究了基于變權(quán)的高速公路軟基處理范例推理智能評(píng)價(jià)方法。獲得的主要結(jié)論如下：

（1）根據(jù)變權(quán)的概念,提出通過計(jì)算變異系數(shù)來而確定各屬性參數(shù)的權(quán)重。采用Euclidean Metric Distance計(jì)算公式計(jì)算目標(biāo)范例與源范例的相似性,對(duì)目標(biāo)范例軟基工程的處理方案進(jìn)行智能評(píng)價(jià)決策。

（2）計(jì)算結(jié)果表明,采用基于變權(quán)的軟基處理方案范例推理決策模型來評(píng)價(jià)軟基處理工程方案完全可靠。通過計(jì)算得出,本文選擇的某高速公路軟基處理方法應(yīng)為深層處理。

（3）本文提出的基于變權(quán)的軟基處理方案范例推理決策模型存在一些難以逾越的不足,例如軟基處理方式僅給出不處理、淺層處理、深層處理3類寬泛的分類,而實(shí)際淺層處理又包含換填土、砂墊層等方法；深層處理包含砂井預(yù)壓、粉體攪拌樁和碎石樁等具體處理方案。本文并未對(duì)此進(jìn)行詳細(xì)的分析,給出具體的軟基處理方案,需要在以后的研究中做進(jìn)一步的探討。

[1]楊仲元.軟土地基處理技術(shù)[M］.北京：中國電力出版社,2009.（YANG Zhong-yuan.Treatment Technology of Soft Soil Foundation[M］.Beijing：China Electric Power Press,2009.（in Chinese））

[2]ARAI K,OATH H,KOJIMA K.Estimation of Soil Parameters Based on Monitored Movement of Subsoil under Consolidation[J］.Soils and Foundations,1984,24（4）：95－108.

[3]黃瑞章.道路工程軟土地基處理方案選擇研究[D］.福州：福建農(nóng)林大學(xué),2013.（HUANG Rui-zhang.Research on the Selection of Treatment Scheme for the Soft Soil Foundation of Road Engineering[D］.Fuzhou：Fujian Agriculture and Forestry University,2013.（in Chinese））

[4]曹雪山.某高速公路軟土地基處理設(shè)計(jì)方案分析[J］.巖土工程學(xué)報(bào),2011,33（增1）：220－222.（CAO Xueshan.Analysis of Ground Improvement of A Highway in the Soft Clay Ground[J］.Chinese Journal of Geotechnical Engineering,2011,33（Sup.1）：220－222.（in Chinese））

[5]趙明華,劉建華,劉 煌,等.濱海公路軟土路基變形機(jī)理及其沉降預(yù)測(cè)研究[J］.公路交通科技,2006,23（1）：32－35.（ZHAO Ming-hua,LIU Jian-hua,LIU Huang,et al.Deformation Mechanism and Settlement Forecast of Soft Clay Embankment in Coastal Region[J］.Journal of Highway and Transportation Research and Development,2006,23（1）：32－35.（in Chinese））

[6]周繼成.人工神經(jīng)網(wǎng)絡(luò)——第六代計(jì)算機(jī)的實(shí)現(xiàn)[M］.北京：科學(xué)普及出版社,1993.（ZHOU Jicheng.Artificial Neural Network：The Realization of the Sixth Generation of Computers[M］.Beijing：Popular Science Press,1993.（in Chinese））

[7]周開利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M］.北京：清華大學(xué)出版社,1998.（ZHOU Kai-li,KANG Yao-hong.Neural Network Model and MATLAB Simulation Programming[M］.Beijing：Tsinghua University Press,1998.（in Chinese））

[8]蘇舍明.Matlab工具箱應(yīng)用[M］.北京：電子工業(yè)出版社,2004.（SU She-ming.Application of Matlab Toolbox[M］.Beijing：Publishing House of Electronics Industry,2004.（in Chinese））

[9]肖位樞.模糊數(shù)學(xué)基礎(chǔ)與應(yīng)用[M］.北京：航空工業(yè)出版社,1992.（XIAO Wei-shu.Basic and Applications of Fuzzy Mathematics[M］.Beijing：Aviation Industry Press,1992.（in Chinese））

[10］陳向陽,夏元友,鄢恒珍.高速公路軟基處理方案智能決策模型研究[J］.中外公路,2006,26（5）：127－129.（CHEN Xiang-yang,XIA Yuan-you,YAN Heng-zhen.Research on Decision Model of Soft Ground Improvement of Expressways[J］.Journal of China＆Foreign Highway,2006,26（5）：127－129.（in Chinese））

[11］馮仲仁,陳向陽,鄢恒珍.基于范例推理的公路軟基處理方案決策模型[J］.巖土力學(xué),2004,25（11）：1779－1781.（FENG Zhong-ren,CHEN Xiang-yang,YAN Hengzhen.Decision Model of Soft Ground Improvement of Expressways Using Case-based Reasoning[J］.Rock and Soil Mechanics,2004,25（11）：779－1781.（in Chinese））

[12］折學(xué)森.軟土地基沉降計(jì)算[M］.北京：人民交通出版社,1998.（ZHE Xue-sen.Settlement Calculation of Soft Soil Foundation[M］.Beijing：China Communications Press,1998.（in Chinese））

[13］張誠厚,袁文明,戴濟(jì)群.高速公路軟基處理[M］.北京：中國建筑工業(yè)出版社,1997.（ZHANG Cheng-hou,YUAN Wen-ming,DAI Ji-qun.Soft Foundation Treatment of Expressway[M］.Beijing：China Architecture and Building Press,1997.（in Chinese））

[14］朱 福,戰(zhàn)高峰,佴 磊.天然軟土地基路堤臨界高度一種計(jì)算方法研究[J］.巖土力學(xué),2013,34（6）：1738－1744.（ZHU Fu,ZHAN Gao-feng,NIE Lei.Study of A Calculation Method of Critical Height of Embankment on Natural Soft Soil Foundation[J］.Rock and Soil Mechanics,2013,34（6）：1738－1744.（in Chinese））

[15］陳向陽.高速公路軟基處理方案智能評(píng)價(jià)與優(yōu)化方法研究[D］.武漢：武漢理工大學(xué),2008.（CHEN Xiangyang.Study on Intelligent Evaluation and Optimization Methods of the Soft Ground Improvement of the Expressway[D］.Wuhan：Wuhan University of Technology,2008.（in Chinese））

[16］趙秋鵬.基于AHP的范例推理在黃土邊坡穩(wěn)定性中的應(yīng)用[J］.地下水,2013,35（4）：214－216.（ZHAO Qiupeng.The Application in the Loess Slope Stability Using AHP Case-based Reasoning[J］.Ground Water,2013,35（4）：214－216.（in Chinese））

[17］ARAI K,OHTA H,YASUI T.Simple Optimization Techniques for Evaluating Deformation Module from Field Observations[J］.Soils and Foundations,1983,23（1）：107－113.

（編輯：曾小漢）

Study on Scheme Evaluation of Soft Foundation Treatment Using Case-based Reasoning

YANG Yu,ZHENG Zhi-ming
（School of Civil Engineering and Transportation,Liaoning Technical University,Fuxin 123000,China）

Treatment scheme of soft soil foundation in highways is one of the key factors influencing project quality,project cost and construction period.In order to present treatment schemes of soft foundation which are reliable,economic,safe and suitable,we introduce variation coefficient which is a kind of statistical parameter that can reflect characteristics of attributes to calculate weight of attribute parameters.In association with variable weight,we propose an intelligent evaluation method using case-based reasoning.Through a lot of examples of the soft soil treatment in foundation projects which have clear conclusions,we established a database of treatment scheme for soft soil foundation.Then,the similarity between the target case and source case is calculated by using Euclidean Metric Distance formula.At last,we find the source case which is the most similar to the target case.The results of case study show that,on the basis of variable weight,the intelligent evaluation method using case-based reasoning for soft foundation treatment of expressways is reliable,and the research results will provide a scientific and reasonable basis for soft foundation treatment.

road engineering；soft soil foundation；case-based reasoning；variation coefficient；Euclidean

U416.1

A

1001－5485（2015）12－0093－05

10.11988/ckyyb.20140577

2014－07－14；

2014－08－12

國家自然科學(xué)基金項(xiàng)目（51274111）；遼寧省博士后集聚工程項(xiàng)目（2011921019）

楊 逾（1973－）,男,甘肅張掖人,教授,碩士生導(dǎo)師,雙博士后,主要從事地下工程相關(guān)的教學(xué)及科研工作,（電話）15941897002（電子信箱）yangyu9300＠163.com。

Metric Distance