本發(fā)明涉及土木工程中基礎(chǔ)沉降變形研究領(lǐng)域，特別是涉及基于瑞雷波的基礎(chǔ)沉降變形預(yù)測(cè)方法。

背景技術(shù)：
基礎(chǔ)沉降變形預(yù)測(cè)是土木工程設(shè)計(jì)中的一項(xiàng)重要內(nèi)容?，F(xiàn)有的基礎(chǔ)沉降預(yù)測(cè)方法主要有基于初期實(shí)測(cè)沉降資料預(yù)測(cè)沉降發(fā)展規(guī)律的經(jīng)驗(yàn)?zāi)Ｐ头ā⒁苑謱涌偤头榇淼墓こ虒?shí)用計(jì)算法和考慮土體復(fù)雜本構(gòu)模型的數(shù)值計(jì)算法。經(jīng)驗(yàn)?zāi)Ｐ头ㄐ栝_展現(xiàn)場(chǎng)施工沉降動(dòng)態(tài)觀測(cè)，需在現(xiàn)場(chǎng)預(yù)壓一定時(shí)間后才能開展后期沉降預(yù)測(cè)；工程實(shí)用計(jì)算法和數(shù)值計(jì)算法利用鉆探取樣室內(nèi)土工試驗(yàn)來獲取基礎(chǔ)沉降影響范圍內(nèi)各地層土體物理力學(xué)指標(biāo)并開展基礎(chǔ)沉降計(jì)算，鉆探取樣室內(nèi)土工試驗(yàn)獲取土體物理力學(xué)指標(biāo)的勘探成本高、測(cè)試周期長(zhǎng)，且對(duì)樣本擾動(dòng)大，最終預(yù)測(cè)結(jié)果與實(shí)際觀測(cè)結(jié)果往往存在較大差別。

技術(shù)實(shí)現(xiàn)要素：
針對(duì)現(xiàn)有基礎(chǔ)沉降預(yù)測(cè)技術(shù)所存在的問題，本發(fā)明提供一種簡(jiǎn)單易行、省時(shí)高效，預(yù)測(cè)效果良好的基于瑞雷波的基礎(chǔ)沉降變形預(yù)測(cè)方法。瑞雷波測(cè)試技術(shù)是近年來巖土工程領(lǐng)域工程地震探測(cè)的一種新方法，具有現(xiàn)場(chǎng)原位測(cè)試簡(jiǎn)單、測(cè)試速度快、費(fèi)用低以及對(duì)原結(jié)構(gòu)物無損壞等優(yōu)點(diǎn)。瑞雷波頻散曲線的變化與地下地質(zhì)條件存在密切聯(lián)系，通過頻散曲線的特征識(shí)別，可得到探測(cè)方向上一定范圍內(nèi)的地質(zhì)構(gòu)造情況。瑞雷波在介質(zhì)中的傳播速度與介質(zhì)的工程物理特性有關(guān)，現(xiàn)有研究表明，瑞雷波與土體壓縮模量之間存在良好的關(guān)系，結(jié)合上部荷載條件，可利用其來估算基礎(chǔ)沉降變形。支持向量機(jī)(SupportVectorMachine)是基于統(tǒng)計(jì)學(xué)習(xí)理論的一種新的通用機(jī)器學(xué)習(xí)方法，它是建立在一套較好的有限樣本下機(jī)器學(xué)習(xí)的理論框架和通用方法，它既有嚴(yán)格的理論基礎(chǔ)，又能較好地解決小樣本、非線性、高維數(shù)和局部極小點(diǎn)等實(shí)際問題，其核心思想就是學(xué)習(xí)機(jī)器要與有限的訓(xùn)練樣本相適應(yīng)。支持向量機(jī)中的支持向量是通過解一個(gè)凸二次優(yōu)化問題獲得的，它能保證找到的解是全局最優(yōu)解。本發(fā)明的基于瑞雷波的基礎(chǔ)沉降變形預(yù)測(cè)方法包括以下步驟：S1、對(duì)基礎(chǔ)場(chǎng)地開展瑞雷波測(cè)試：測(cè)得不同頻率的瑞雷波沿地面?zhèn)鞑サ恼駝?dòng)波形；S2、瑞雷波測(cè)試結(jié)果反演：基于步驟S1測(cè)得的瑞雷波振動(dòng)波形，計(jì)算各頻率條件下瑞雷波的傳播速度，繪制瑞雷波頻散曲線圖，反演基礎(chǔ)沉降影響深度范圍內(nèi)的各地層厚度和瑞雷波傳播速度；S3、收集類似場(chǎng)地?cái)?shù)據(jù)樣本：收集整理類似場(chǎng)地基礎(chǔ)深度影響范圍內(nèi)的數(shù)據(jù)樣本，所述數(shù)據(jù)樣本包括各地層的厚度及瑞雷波傳播速度、場(chǎng)地附加應(yīng)力及場(chǎng)地實(shí)測(cè)最終沉降量，將其中的場(chǎng)地附加應(yīng)力、各地層的厚度和瑞雷波傳播速度依次排列，構(gòu)成輸入樣本數(shù)據(jù)；將場(chǎng)地實(shí)測(cè)最終沉降量作為輸出樣本數(shù)據(jù)，并將樣本數(shù)據(jù)做歸一化處理；S4、基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降數(shù)據(jù)樣本進(jìn)行訓(xùn)練和測(cè)試：將收集的所述數(shù)據(jù)樣本隨機(jī)分為兩部分：數(shù)據(jù)樣本的75％作為基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降的訓(xùn)練樣本，25％作為測(cè)試樣本，通過粒子群算法對(duì)輸入樣本數(shù)據(jù)和輸出樣本數(shù)據(jù)之間的最小二乘支持向量機(jī)參數(shù)進(jìn)行優(yōu)化，獲得最小二乘支持向量機(jī)最優(yōu)參數(shù)；S5、建立基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型：將S4中所獲得的最小二乘支持向量機(jī)最優(yōu)參數(shù)作為基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型的初始參數(shù)，利用訓(xùn)練樣本，對(duì)優(yōu)化參數(shù)的最小二乘支持向量機(jī)進(jìn)行訓(xùn)練，得到基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型；S6、基礎(chǔ)沉降量預(yù)測(cè)：將待預(yù)測(cè)場(chǎng)地的附加應(yīng)力及步驟S2反演所得基礎(chǔ)沉降影響深度范圍內(nèi)的各地層厚度和瑞雷波傳播速度輸入步驟S5得到的計(jì)算模型，預(yù)測(cè)出基礎(chǔ)沉降量。本發(fā)明的預(yù)測(cè)方法以現(xiàn)場(chǎng)瑞雷波測(cè)試反演結(jié)果為基礎(chǔ)，結(jié)合地基土體上部附加荷載，采用統(tǒng)計(jì)學(xué)習(xí)理論，利用最小二乘支持向量機(jī)算法預(yù)測(cè)基礎(chǔ)沉降變形。通過現(xiàn)場(chǎng)瑞雷波測(cè)試反演結(jié)果及最小二乘支持向量機(jī)良好的有限樣本自學(xué)習(xí)能力，能科學(xué)快速地預(yù)測(cè)基礎(chǔ)沉降變形。該預(yù)測(cè)方法簡(jiǎn)單易行、省時(shí)高效，預(yù)測(cè)效果良好，可以避免傳統(tǒng)鉆探取樣對(duì)地基土體的擾動(dòng)及測(cè)試結(jié)果不準(zhǔn)的影響，也無需在現(xiàn)場(chǎng)長(zhǎng)期進(jìn)行沉降監(jiān)測(cè)，可廣泛應(yīng)用于土木工程領(lǐng)域各類地基基礎(chǔ)沉降變形的預(yù)測(cè)。附圖說明圖1是本發(fā)明的基于瑞雷波的基礎(chǔ)沉降變形預(yù)測(cè)方法的流程圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步說明。圖1所示為本發(fā)明的基于瑞雷波的基礎(chǔ)沉降變形預(yù)測(cè)方法的流程圖。如圖所示，該預(yù)測(cè)方法包括如下步驟：S1、場(chǎng)地瑞雷波測(cè)試；S2、瑞雷波測(cè)試結(jié)果反演；S3、收集類似場(chǎng)地?cái)?shù)據(jù)樣本；S4、基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降數(shù)據(jù)樣本進(jìn)行訓(xùn)練和測(cè)試；S5、建立基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型；S6、基礎(chǔ)沉降量預(yù)測(cè)。具體為：S1、場(chǎng)地瑞雷波測(cè)試：對(duì)基礎(chǔ)場(chǎng)地開展瑞雷波測(cè)試，可采用穩(wěn)態(tài)瑞雷波在一個(gè)測(cè)點(diǎn)多次激發(fā)、接收或采用瞬態(tài)瑞雷波一次激發(fā)和接收，測(cè)得不同頻率的瑞雷波沿地面?zhèn)鞑サ恼駝?dòng)波形；S2、瑞雷波測(cè)試結(jié)果反演：基于步驟S1測(cè)得的瑞雷波振動(dòng)波形，計(jì)算各頻率條件下瑞雷波的傳播速度，繪制瑞雷波頻散曲線圖，反演基礎(chǔ)沉降影響深度范圍內(nèi)的各地層厚度和瑞雷波傳播速度。S3、收集類似場(chǎng)地?cái)?shù)據(jù)樣本：收集整理與預(yù)測(cè)場(chǎng)地地質(zhì)條件類似的場(chǎng)地基礎(chǔ)深度影響范圍內(nèi)的數(shù)據(jù)樣本，所述數(shù)據(jù)樣本包括各地層的厚度及瑞雷波傳播速度、場(chǎng)地附加應(yīng)力及場(chǎng)地實(shí)測(cè)最終沉降量，將其中的場(chǎng)地附加應(yīng)力、各地層的厚度和瑞雷波傳播速度依次排列，構(gòu)成輸入樣本數(shù)據(jù)；將場(chǎng)地實(shí)測(cè)最終沉降量作為輸出樣本數(shù)據(jù)，并將樣本數(shù)據(jù)做歸一化處理；S4、基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降數(shù)據(jù)樣本訓(xùn)練和測(cè)試：將收集的所述數(shù)據(jù)樣本的75％作為基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降的訓(xùn)練樣本，構(gòu)成訓(xùn)練樣本集；將所述數(shù)據(jù)樣本的25％作為測(cè)試樣本，用于測(cè)試模型的精度，構(gòu)成測(cè)試樣本集；通過粒子群算法對(duì)輸入樣本數(shù)據(jù)和輸出樣本數(shù)據(jù)之間的最小二乘支持向量機(jī)參數(shù)進(jìn)行優(yōu)化，獲得最小二乘支持向量機(jī)最優(yōu)參數(shù)。利用訓(xùn)練樣本集建立最小二乘支持向量機(jī)數(shù)學(xué)模型，其具體步驟如下：給定一個(gè)有n個(gè)訓(xùn)練樣本的集合{xk,yk}，其中：k＝1,2,…,n，訓(xùn)練樣本的n維向量xk∈Rn，yk∈R，R為實(shí)數(shù)集，Rn為n維向量空間。利用非線性映射把原空間樣本從Rn映射到特征空間i＝1,2,…,n，即把低維空間的非線性逼近問題轉(zhuǎn)化為高維空間的線性化逼近問題，在高維特征空間中構(gòu)造最優(yōu)決策函數(shù)：式(1)中，ω為權(quán)矢量；b為偏差量。依據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，尋找ω,b就是最小化其中，||ω||2控制模型的復(fù)雜度；γ是正規(guī)化參數(shù)，控制對(duì)超出誤差樣本的懲罰程度；Remp為誤差控制函數(shù)，即不敏感損失函數(shù)。常用損失函數(shù)包括線性損失函數(shù)、二次損失函數(shù)和Huber損失函數(shù)，當(dāng)選取不同的損失函數(shù)時(shí)，可構(gòu)成不同形式的支持向量機(jī)。最小二乘支持向量機(jī)采用的損失函數(shù)為誤差函數(shù)ξ的二次項(xiàng)。根據(jù)統(tǒng)計(jì)學(xué)理論，函數(shù)擬合問題就變?yōu)榍蠼馊缦伦顑?yōu)化問題：使得式(2)中，ξi為松弛因子，T代表向量的轉(zhuǎn)置。用拉格朗日法求解這個(gè)優(yōu)化問題：式(3)中：ai為拉格朗日乘子；根據(jù)最優(yōu)化理論中的Karush-Kuhn-Tucker條件可得：其中定義核函數(shù)是滿足Mercer條件的對(duì)稱函數(shù)，上述優(yōu)化問題轉(zhuǎn)化為求解線性方程：利用最小二乘法求解a與b，得到非線性預(yù)測(cè)模型：利用粒子群算法對(duì)所建立的最小二乘支持向量機(jī)參數(shù)進(jìn)行優(yōu)化，具體步驟如下：初始化粒子群，即隨機(jī)產(chǎn)生一組初始化值，包括微粒的速度和位置；設(shè)定粒子群參數(shù)，在空間Rn中隨機(jī)產(chǎn)生n個(gè)粒子x1,x2,…,xn，組成初始化種群X(t)；隨機(jī)產(chǎn)生各粒子的初始速度v1,v2,…,vn，組成速度矩陣V(t)；每個(gè)粒子的個(gè)體最優(yōu)值Pi的初始值為xi的初始值，所述Pi＝(Pi1,Pi2)；按公式計(jì)算粒子群中所有粒子的適應(yīng)度，其中yj為訓(xùn)練樣本集中的第j個(gè)樣本的最終沉降量預(yù)測(cè)值，為訓(xùn)練樣本集中的第j個(gè)樣本的最終沉降量實(shí)測(cè)值，m為訓(xùn)練樣本集中樣本的個(gè)數(shù)。對(duì)于每個(gè)粒子，將當(dāng)前各微粒的適應(yīng)度值f(xi)與自身的最優(yōu)值適應(yīng)度值f(Pi)進(jìn)行比較，若f(xi)＜f(Pi)，則用適應(yīng)度值f(xi)更新f(Pi)；對(duì)于每個(gè)粒子，將每個(gè)粒子的最優(yōu)適應(yīng)度值f(Pi)與所有粒子的最優(yōu)適應(yīng)度值f(Pg)進(jìn)行比較，若f(Pi)＜f(Pg)，則用適應(yīng)度值f(Pi)更新f(Pg)，同時(shí)保存粒子的當(dāng)前位置和速度；更新粒子位置、速度，產(chǎn)生新種群X(t+1)。其中，速度調(diào)整方式為當(dāng)vi＞vmax時(shí)，視為vi＝vmax；當(dāng)vi≤-vmax時(shí)，視為vi＝-vmax。更新粒子速度和位置的公式如下：vij(t+1)＝ηvij(t)+c1r1[Pij-xij(t)]+c2r2[Pgj-xij(t)](5)xij(t+1)＝xij(t)+vij(t+1)(6)式(5)、(6)中，η為慣性權(quán)因子，c1和c2為正的加速常數(shù)，r1和r2為在0到1之間均勻分布的隨機(jī)數(shù)，t代表時(shí)間。通過設(shè)置微粒的速度區(qū)間[-vmax,vmax]和位置范圍[-xmax,xmax]，可對(duì)微粒的移動(dòng)進(jìn)行限制。對(duì)總?cè)褐忻恳粋€(gè)粒子i而言，它的位置表示為xi＝(xi1,xi2,…,xid)，它的飛行速度表示為vi＝(vi1,vi2,…,vid)，粒子自身經(jīng)歷過的最優(yōu)位置記為Pi＝(Pi1,Pi2,…,Pid)，種群中所有粒子目前為止所經(jīng)歷過的最優(yōu)位置記為Pg＝(Pg1,Pg2,…,Pgd)。i＝1,2,…,n，n為粒子種群規(guī)模，即隨機(jī)產(chǎn)生的粒子數(shù)，本實(shí)施例中n＝30；d為解空間的維數(shù)，本實(shí)施例中d＝2。慣性權(quán)因子Tmax為最大迭代次數(shù)，η∈(ηmin,ηmax)。如果達(dá)到最大迭代次數(shù)則停止迭代，否則重新計(jì)算粒子群中所有粒子的適應(yīng)度，繼續(xù)計(jì)算，直至獲得最小二乘支持向量機(jī)最優(yōu)參數(shù)。S5、建立基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型：將S4中所獲得的最小二乘支持向量機(jī)最優(yōu)參數(shù)作為基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型的初始參數(shù)，利用訓(xùn)練樣本集對(duì)優(yōu)化參數(shù)的最小二乘支持向量機(jī)進(jìn)行訓(xùn)練，得到最優(yōu)化的最小二乘支持向量機(jī)模型，即基于瑞雷波的最小二乘支持向量機(jī)基礎(chǔ)沉降計(jì)算模型；S6、基礎(chǔ)沉降量預(yù)測(cè)：將待預(yù)測(cè)場(chǎng)地的附加應(yīng)力及步驟S2反演所得基礎(chǔ)沉降影響深度范圍內(nèi)的各地層厚度和瑞雷波傳播速度輸入步驟S5得到的計(jì)算模型，預(yù)測(cè)出基礎(chǔ)沉降量。