为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p...
为研究复杂应力路径条件下冻土的力学特性,中国科学院冻土工程国家重点实验室与美国GCTS公司合作研发了新型冻土力学试验设备——冻土空心圆柱仪(FHCA-300),该设备通过独立施加内围压、外围压、轴向荷载和扭矩来改变3个主应力的大小和方向,从而更为真实地模拟冻土在地震荷载、交通荷载等多向应力和主应力轴旋转等复杂应力路径下的应力-应变行为.详细介绍了该仪器各部分的组成、传感器和动荷载频率的选取过程以及目前可实现的具体试验类型.此外,着重介绍了冻土空心圆柱仪温度控制系统的设计原理,并且对其控温能力进行了验证,结果证明该系统可以达到预期的降温能力和控温要求.最后利用冻土空心圆柱仪进行了主应力轴静态旋转和循环旋转测试试验,验证了仪器实现包括主应力轴旋转在内的复杂应力路径的能力,初步试验结果表明该设备能够准确再现冻土在复杂应力路径条件下的力学行为和变形行为,可为系统开展冻土在复杂应力条件下的强度、变形特性和本构关系等研究提供技术手段.
利用自行研制的W3Z-200型冻土三轴压缩蠕变仪,对淮南地区深表土冻土进行了三轴蠕变试验。根据试验结果,提出以标准黏弹塑性模型为基础,并耦合温度自由度,应用抛物线型屈服准则对模型中的黏塑性项进行改进,建立了新的本构模型来描述高围压复杂应力状态下冻土的蠕变变形特征。基于ADINA有限元软件平台,开发了冻土本构子程序。对淮南某冻结井筒开挖过程进行了数值模拟,计算结果验证了冻土抛物线型黏弹塑本构模型的正确性和合理性。