为了实现冻土的应力-应变关系的准确预测，研究采用遗传算法（GA）、思维进化算法（MEA）和麻雀优化算法（SSA）对反向传播（BP）神经网络的初始权重和阈值进行优化。以温控三轴试验中冻土的温度、围压和轴向应变3个主要参数为输入，以其轴向应变所对应的偏应力为输出，建立了基于3种优化算法优化的BP神经网络预测模型。结果表明，MEA对于BP神经网络模型的优化性能最佳；MEA-BP均方根误差最小，预测值和实际值的拟合度（R2）接近于1,能够有效地对冻土的应力-应变关系进行预测。

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。

为获得超低温冻土抗压强度预测模型,探究超低温状态下冻土的物理性质及力学性质的变化,对含水率19%, 22%, 25%和28%的低液限黏土土样进行-180°C～-10°C的单轴压缩强度试验,并测量-80°C～-10°C土样的未冻水含量,建立基于WOA-BP神经网络和BP神经网络的预测模型,探究含水率、温度、未冻水含量与超低温冻土抗压强度关系.预测结果表明:含水率、温度、未冻水含量与超低温冻土抗压强度存在复杂的非线性关系,特别是在-180°C～-80°C区间内,现有的线性拟合公式已无法准确预测该区间内冻土抗压强度;基于WOA-BP神经网络预测模型的整体预测效果较好,其绝对误差平均值为1.167 MPa,相对误差平均值为7.62%, BP神经网络预测模型的绝对误差平均值为8.462 MPa,相对误差平均值为47.99%.基于鲸鱼优化算法的BP神经网络预测模型预测误差明显小于BP神经网络预测模型及线性拟合值,更接近实测值.该预测模型具有较高精确度,能有效解决超低温冻土抗压强度与其影响因素间复杂的非线性关系,可为人工冻结技术在地层应急工程中的应用提供参考.