摘要

目的:研究机器学习技术在利用孔压静力触探测试(CPTu)识别高灵敏度黏土和快黏土的潜力。创新点:1.成功应用机器学习方法从CPTu结果中分类出高灵敏度黏土和快黏土,并将结果与不同地点的实际土层进行了比较。2.通过对机器学习算法的多次训练确定了可以获得良好结果的最少CPTu个数。方法:1.基于对两个位置已知和土层确定的CPTu数据集的分析,使用3种机器学习图像分类方法(逻辑回归、朴素贝叶斯和隐藏马尔科夫模型)将CPTu数据用于样木分类。2.将结果与实际土层进行比较,识别高灵敏度黏土和快黏土,并从计算性能度量方面比较3个方法的优缺点。结论:仅采用4个CPTu训练样本便可获得基于逻辑回归、朴素贝叶斯和隐藏马尔科夫模型的识别高灵敏度黏土和快黏土的3个分类模型,且分类精度良好。