深圳市岩溶地层标准贯入击数神经网络模型

严辉; 林沛元

doi:10.19509/j.cnki.dzkq.tb20230705

您当前的位置：

首页 >

文章列表页 >

深圳市岩溶地层标准贯入击数神经网络模型

工程地质与地质灾害 | 更新时间：2026-11-05

- 深圳市岩溶地层标准贯入击数神经网络模型
- 深圳市岩溶地层标准贯入击数神经网络模型
- 地质科技通报 2025年44卷第2期页码：305-321
- 作者机构：
  
  1. 广东珠三角城际轨道交通有限公司
  2. 中山大学隧道工程灾变防控与智能建养全国重点实验室
  3. 中山大学土木工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目（52008408）
- DOI：10.19509/j.cnki.dzkq.tb20230705
  中图分类号： P694;TU195
- 网络首发：2025-03-21，
  
  纸质出版：2025
- 稿件说明：
移动端阅览
严辉, 林沛元. 深圳市岩溶地层标准贯入击数神经网络模型[J]. 地质科技通报, 2025,44(2):305-321.

严辉, 林沛元. 深圳市岩溶地层标准贯入击数神经网络模型[J]. Bulletin of Geological Science and Technology, 2025, 44(2): 305-321.
严辉, 林沛元. 深圳市岩溶地层标准贯入击数神经网络模型[J]. 地质科技通报, 2025,44(2):305-321. DOI： 10.19509/j.cnki.dzkq.tb20230705.

严辉, 林沛元. 深圳市岩溶地层标准贯入击数神经网络模型[J]. Bulletin of Geological Science and Technology, 2025, 44(2): 305-321. DOI： 10.19509/j.cnki.dzkq.tb20230705.

摘要

潜在岩溶地质灾害威胁粤港澳大湾区广州、深圳等核心城市安全及其地下空间开发与利用。标准贯入试验是岩溶地层勘察的必备手段之一，为土层划分、承载力评估、基础选型等提供重要依据。针对传统的标准贯入试验提高工程成本并受操作人员技能水平影响较大的问题，本研究提出了一种快速且准确获取岩溶区土层标贯击数的新方法。以深圳市岩溶区为例，收集了1 006组土层标贯数据，建立了一个11-5-1结构的单隐藏层神经网络模型，该模型仅拥有5个神经元，具有解析解，易于计算。研究结果显示，该神经网络模型的决定系数达到了0.93，表明模型拥有高度的准确性；模型因子平均值为1.04，变异系数介于9%～23%。总体上，模型精度高，预测偏差离散性低。讨论了影响模型稳定性和预测性能的多种因素，如隐藏层神经元数量、数据标准化方法、激活函数选择、数据分割比例和随机抽样效应等。通过在深圳市龙岗区2个独立工程案例的应用，验证了该神经网络模型在工程实践中的实用价值。本研究为未来岩溶区工程勘察方法的发展提供了重要参考。

Abstract

ObjectiveThis study addresses the threat of potential karst geological disasters to the core cities of the Guangdong-Hong Kong-Macao Greater Bay Area

such as Guangzhou and Shenzhen

impacting the safety and development of their underground spaces. Standard penetration testing

a crucial method for investigating karst strata

plays a vital role in soil layer classification

load-bearing capacity evaluation

and foundation selection. However

traditional standard penetration tests can escalate project costs and are significantly influenced by the skill level of the operators. MethodsTo deal with these challenges

this paper introduces a new method for rapidly and accurately obtaining standard penetration test data in karst areas. Focusing on the karst regions of Shenzhen

we collected 1006 sets of soil penetration data and developed a single hidden layer neural network model with an 11-5-1 structure; this model is featured by only five neurons and has an analytical form that enables easy computation. ResultsThe research findings reveal that this neural network model has a high determination coefficient of 0.93

indicating its high accuracy in prediction. The model factor has a mean value of 1.04

with a coefficient of variation (COV) ranging between 9% and 23%. Overall

the model demonstrates high precision and low predictive dispersion. The paper thoroughly examines various factors affecting the model's stability and predictive performance

including the number of neurons in the hidden layer

data normalization methods

choice of activation functions

data splitting ratios

and the impact of random sampling. The practical applicability of this neural network model has been validated through its implementation in two independent engineering projects in the Longgang District of Shenzhen. ConclusionThis study offers significant insights for the advancement of engineering survey methods in karst regions.

关键词

Keywords

references

李勇峰.深圳大运中心场地岩溶地面塌陷危险性评价研究[D].中国地质大学,2013(04).

王庆.隐伏溶洞对隧道衬砌结构受力特性的影响研究[D].重庆交通大学,2020(01).

何万平.岩溶隧道底部结构力学特性分析及安全性评价[D].西南交通大学,2020(07).

蒋进.宜阳地区地基土标贯击数与主要力学参数的相关性分析[D].中南林业科技大学,2018(01).

肖泽忠.桂林岩溶区红粘土地基承载特性研究[D].桂林理工大学,2018(05).

黎秉林.广州岩溶地区盾构地铁线路勘察研究[D].华南理工大学,2017(07).

卢丹美.广州市金沙洲地区地面塌陷特征及危险性评价[D].成都理工大学,2013(12).

徐正宣.深圳地铁3号线工程岩溶洞穴勘察及病害处理技术研究[D].西南交通大学,2008(06).

化建新.工程地质手册[M].中国建筑工业出版社,2018.

Lin Peiyuan,Chen Xianying,Jiang Mingjie,Song Xugen,Xu Meijuan,Huang Sheng.Mapping shear strength and compressibility of soft soils with artificial neural networks[J].Engineering Geology,2022.

Wu Shengchao,Zhang Jian-Min,Wang Rui.Machine learning method for CPTu based 3D stratification of New Zealand geotechnical database sites[J].Advanced Engineering Informatics,2021.

Jie Zhang,Jinzheng Hu,Xu Li,Jingpei Li.Bayesian network based machine learning for design of pile foundations[J].Automation in Construction,2020.

Shahin.A review of artificial intelligence applications in shallow foundations[J].International Journal of Geotechnical Engineering,2015.

Kyriaki Papadopoulou-Vrynioti,George D. Bathrellos,Hariklia D. Skilodimou,George Kaviris,Kostas Makropoulos.Karst collapse susceptibility mapping considering peak ground acceleration in a rapidly growing urban area[J].Engineering Geology,2013.

Tom Lunne,Toralv Berre,Knut H Andersen,Stein Strandvik,Morten Sjursen.Effects of sample disturbance and consolidation procedures on measured shear strength of soft marine Norwegian clays[J].Canadian Geotechnical Journal,2006.

郭衍昊,窦杰,向子林,马豪,董傲男,罗万祺.基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价[J].地质科技通报,2024(03).

邬礼扬,殷坤龙,曾韬睿,刘书豪,刘真意.不同栅格尺寸下输电线路地质灾害易发性评价[J].地质科技通报,2024(01).

朱鸿鹄.工程地质界面：从多元表征到演化机理[J].地质科技通报,2023(01).

姜宇航,王伟,邹丽芳,王如宾,刘世藩,段雪雷.基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究[J].岩土力学,2022(S1).

江巍,欧阳晔,闫金洲,王志俭,刘立鹏.边坡岩土体抗剪强度的逆向迭代修正反演方法[J].岩土力学,2022(08).

吴志军,方立群,翁磊,刘泉声.基于TBM掘进性能的岩体分级及可掘性等级感知识别方法[J].岩石力学与工程学报,2022(S1).

刘德军,戴庆庆,左建平,商奇,陈国亮,郭艺豪.基于Stacking集成算法的岩爆等级预测研究[J].岩石力学与工程学报,2022(S1).

刘动,林沛元,陈贤颖,黄胜,马保松.深圳岩溶空间发育规律统计分析[J].岩土力学,2022(07).

樊浩博,周定坤,刘勇,宋玉香,朱正国,朱永全,高新强,郭佳奇.富水管道型岩溶隧道衬砌结构力学响应特征研究[J].岩土力学,2022(07).

蔡建斯,龚鹏,任宏剑.深圳市某片区岩溶塌陷致塌成因分析及预防措施[J].中国矿业,2022(02).

王才进,蔡国军,武猛,刘薛宁,刘松玉.基于人工智能算法预测土体导热系数[J].岩土工程学报,2022(10).

仉文岗,顾鑫,刘汉龙,张青,王林,王鲁琦.基于贝叶斯更新的非饱和土坡参数概率反演及变形预测[J].岩土力学,2022(04).

刘喜凤,朱鸿鹄,王家琛,吴冰,李杰,曹鼎峰,施斌.基于神经网络的改进型土壤水分光纤感测技术研究[J].岩土工程学报,2022(09).

谭信荣,樊浩博,宋玉香,刘勇,杨海宏.管道型岩溶隧道衬砌结构受力特征试验研究[J].地下空间与工程学报,2021(06).

赵泽宁,段伟,蔡国军,刘松玉,常建新,冯华磊.基于机器学习CPTU智能算法的黏性土应力历史评价[J].岩土工程学报,2021(S2).

黄发明,曹昱,范宣梅,李文彬,黄劲松,周创兵,范文彦.不同滑坡边界及其空间形状对滑坡易发性预测不确定性的影响规律[J].岩石力学与工程学报,2021(S2).

李明亮,李克钢,秦庆词,吴顺川,刘月东,刘博.岩爆烈度等级预测的机器学习算法模型探讨及选择[J].岩石力学与工程学报,2021(S1).

曲志鹏,王芳芳,张云银,李晓晨.基于关联规则与随机森林的地震多属性砂体厚度预测[J].地质科技通报,2021(03).

李卓骏,蒙彦,董志明,贾龙,潘宗源,管振德,周富彪.土洞型岩溶塌陷发育过程气体示踪试验研究——以广州金沙洲为例[J].中国岩溶,2021(02).

刘动.岩溶地区桩基检测与缺陷处理研究[J].钻探工程,2021(02).

Wengang Zhang,Jianye Ching,Anthony T.C.Goh,Andy Y.F.Leung.Big data and machine learning in geoscience and geoengineering: Introduction[J].Geoscience Frontiers,2021(01).

刘恒.深圳地铁14号线隧道岩溶处理技术方案对比及优化[J].黑龙江交通科技,2020(12).

兰鹏,李海潮,叶新宇,张升,盛岱超.PINNs算法及其在岩土工程中的应用研究[J].岩土工程学报,2021(03).

Wengang Zhang,Runhong Zhang,Chongzhi Wu,Anthony Teck Chee Goh,Suzanne Lacasse,Zhongqiang Liu,Hanlong Liu.State-of-the-art review of soft computing applications in underground excavations[J].Geoscience Frontiers,2020(04).

赵挚南,年帅,郝龙,贾霄,崔国谨,赵文文,柴奕.基于BP神经网络邻近地铁基坑土体参数反演分析[J].施工技术,2020(S1).

程凯华.深圳地区岩溶分布特征分析[J].城市住宅,2020(05).

汤志立,徐千军.基于9种机器学习算法的岩爆预测研究[J].岩石力学与工程学报,2020(04).

孙钧,温海洋.人工智能科学在软土地下工程施工变形预测与控制中的应用实践——理论基础、方法实施、精细化智能管理(示例)[J].隧道建设(中英文),2020(01).

赵明华,朱志仁,黄明华,杨超炜,徐卓君.考虑基桩嵌岩段侧阻的岩溶区顶板安全厚度计算[J].岩土力学,2018(11).

钟国强,王浩,李莉,王成汤,谢壁婷.基于SFLA-GRNN模型的基坑地表最大沉降预测[J].岩土力学,2019(02).

龚选波,张继伟,周玉凤,周艳华,周勇.综合物探技术在深圳地铁16号线岩溶勘察中的应用[J].工程勘察,2018(07).

蒙彦,黄健民,贾龙.基于地下水动力特征监测的岩溶塌陷预警阈值探索——以广州金沙洲岩溶塌陷为例[J].中国岩溶,2018(03).

杨福见,胡大伟,周辉,卢景景,张帆.动载扰动后花岗岩物理力学特性研究[J].岩石力学与工程学报,2018(06).

罗小杰,沈建.我国岩溶地面塌陷研究进展与展望[J].中国岩溶,2018(01).

张中善.岩溶地区灌注桩溶(土)洞及漏浆处理技术[J].施工技术,2017(S2).

朱耀庭,胡文华,吴福泉,张恺.溶洞上覆土层注浆加固应用分析[J].武汉理工大学学报(交通科学与工程版),2017(06).

李清明,徐腾飞,李勇国,梅年峰,黄勐.深圳地铁8号线岩溶发育特征及施工处理措施[J].桂林理工大学学报,2017(03).

赵明华,肖尧,徐卓君,杨超炜,胡倩,刘建华.岩溶区嵌岩桩桩端承载性能研究[J].岩土工程学报,2017(06).

黄健民,郑小战,胡让全,陈建新,吕镁娜,陈小月,郭宇,刁群.广州金沙洲岩溶地面塌陷灾害预警预报研究[J].现代地质,2017(02).

徐晨,方勇,康海波,陈先国.大断面富水岩溶隧道二次衬砌受力特征研究[J].公路交通科技,2016(09).

Mohamed A.Shahin.State-of-the-art review of some artificial intelligence applications in pile foundations[J].Geoscience Frontiers,2016(01).

黄健民,邓雄文,胡让全.广州金沙洲岩溶区地下水位变化与地面塌陷及地面沉降关系探讨[J].中国地质,2015(01).

郑小战,郭宇,戴建玲,李晶晶,陈小月.广州市典型岩溶塌陷区岩溶发育及影响因素[J].热带地理,2014(06).

胡让全,黄健民.综合物探方法在广州市金沙洲岩溶地面塌陷、地面沉降地质灾害调查中的应用[J].物探与化探,2014(03).

雷勇,陈秋南,马缤辉.基于极限分析的桩端岩层冲切分析[J].岩石力学与工程学报,2014(03).

郑小战,黄健民,李德洲.广花盆地南部金沙洲岩溶演变及环境特征[J].水文地质工程地质,2014(01).

黄健民,吕镁娜,郭宇,陈小月.广州金沙洲岩溶地面塌陷地质灾害成因分析[J].中国岩溶,2013(02).

刘勇健,刘雅恒,刘湘秋,王颖,刘意美.广花盆地岩溶地面塌陷特征及形成机理研究[J].广东工业大学学报,2013(01).

赵明华,雷勇,张锐.岩溶区桩基冲切破坏模式及安全厚度研究[J].岩土力学,2012(02).

刘勇健,李彰明.软土物理力学性质指标与微结构参数的灰色关联-神经网络模型[J].岩土力学,2011(04).

李雪平,徐光黎,吴强,李元琴.基于GIS的Logistic模型在深圳大运中心岩溶空间发育规律评价中的应用[J].岩土力学,2010(S2).

谭忠盛,李健,薛斌,王秀英.岩溶隧道衬砌水压力分布规律研究[J].中国工程科学,2009(12).

赵明华,张锐,胡柏学,袁铜森.岩溶区桩端下伏溶洞顶板稳定性分析研究[J].公路交通科技,2009(09).

雷金山,阳军生,肖武权,刘成军.广州岩溶塌陷形成条件及主要影响因素[J].地质与勘探,2009(04).

梁永国,程小勇.深圳龙岗区葵涌岩溶地质勘查[J].岩土工程界,2009(07).

桂林.广州地铁五号线岩溶地区盾构隧道工程技术研究[J].桂林工学院学报,2008(03).

赵明华,蒋冲,曹文贵.岩溶区嵌岩桩承载力及其下伏溶洞顶板安全厚度的研究[J].岩土工程学报,2007(11).

杨光华,李思平,杜秀忠,张君禄,王鹏华.岩溶地区高层建筑筏板基础的实践[J].岩石力学与工程学报,2006(S2).

吴莉,张国海,李开文.岩溶地区基础设计与处理[J].地球与环境,2005(S1).

赵明华,程晔,曹文贵.桥梁基桩桩端溶洞顶板稳定性的模糊分析研究[J].岩石力学与工程学报,2005(08).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于回弹法预测岩石单轴抗压强度的MLP-ANN模型

乌蒙山区特长极深隧道隧址区地应力场分布特征及反演分析

新疆西天山阿尔恰勒铅锌铜矿床磁铁矿、黑柱石成因及地质意义

福建政和矿集区矿化-蚀变及元素迁移特征——以岩皮头多金属勘查区为例

降雨作用下鄂西山区麻池村1号滑坡变形破坏过程试验