提高季节性冻土区高铁路基冻深预测精度，对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题，提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型，以兰新高铁山丹马场-民乐路段DK371+900、DK383+345和DK391+940三处断面为例，对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解，得到一系列具有不同特征尺度的数据序列，体现出原数据的趋势与波动性，增加数据的细节和多样性；再利用KPCA算法提取出影响路基冻深的关键因子，实现数据降维，消除因EMD产生的数据冗余；最后通过LSTM网络实现基于多变量的路基冻深预测。实验表明：该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在三处断面路基冻深预测的平均绝对误差(fmae)为0.029m、0.033m和0.060m；均方根误差(frmse)为0.036m、0.042m和0.07...

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。

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.

净初级生产力（NPP）的估算还存在很大的不确定性。本文利用机器学习算法（RF和RBF-ANN）估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:（1）机器学习估算结果可靠,简单易行。（2）青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。（3）青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。（4）温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

土壤温度是陆面过程中地-气系统间能量与物质交换的重要参数,它的动态变化及其对气候变化的响应也是研究陆面过程的关键问题之一。在全球变暖背景下,研究青藏高原多年冻土活动层土壤热状况动态变化,对深入了解高原活动层厚度的变化特征及下垫面的热力作用均有重要意义。利用BP神经网络模型,对青藏高原风火山地区的地表温度进行了模拟,并利用输出的地表温度驱动FEFLOW模型对研究区活动层不同深度土壤温度进行了模拟。与各深度土壤温度观测值对比发现,均方根误差介于0.09～1.78℃,纳什效率系数介于0.86～0.98,模拟效果良好。结合BP神经网络模型和FEFLOW模型预测了研究区未来50年活动层热状况的动态变化过程,结果表明:在0.02、0.048、0.07℃·a-1三种升温情景下,50年后研究区活动层厚度将分别增加19.4、51.8、64.7cm,土壤升温幅度随着深度的增加逐渐减小。同时发现,随着气温不同程度的升高,土壤开始融化的时间在不断提前,开始冻结的时间则不断延迟,这种规律随着土壤深度的增加而减弱,但不同深度土壤冻融过程对气温升高的响应差异却随着增温速率的增大而逐渐减小。

目前,基于BP神经网络法进行冻土路基变形预测的可行性和有效性仍少有学者对其进行研究。运用MATLAB编制BP神经网络程序,并应用于青藏铁路预测路基变形的工程实例。在此基础上,又采用COMSOL有限元软件的多场耦合模块分析了同一路基的变形场、水热场。通过对比两种方法,验证了前者的科学性和有效性。进而提出了一种新的可靠度计算方法(INNRS法),这种方法将神经网络法和响应面法有机结合起来,只需一次迭代即可形成较准确的功能函数,使得计算可靠指标的效率大大提高。应用INNRS法,对路基变形的可靠度指标和失效概率进行了评价。

构建人工冻土BP神经网络本构模型,利用冻土三轴实验数据对神经网络模型进行训练,并2次开发有限元本构程序。用BP神经网络本构模型能很好的反映人工冻土非线性,人工冻土三轴数值模拟值和实验值误差在2.43%范围内。通过深井冻结工程数值模拟表明:人工冻土BP神经网络本构模型能较好的描述复杂应力路径变形特征,数值结果和现场实测规律一致,且和实测位移误差在5.0%;应用BP神经网络冻土本构模型准确预测预报人工冻土帷幕应力场和变形场,为冻结工程设计与施工提供参考。

以提高季节性冻土区农业冬春储水灌溉质量为研究目的,基于田间冻土入渗试验资料,建立了以冻融土壤基本理化参数为输入变量,Kostiakov累积入渗量模型参数为输出变量的BP预测模型。所建参数模型对入渗系数K和入渗指数α预测值的平均相对误差在4%以下,在可接受范围之内。结果表明,选择土壤黏粒量、体积质量、体积含水率、地表土壤温度和灌溉水温作为冻融土壤入渗参数BP预报模型的输入因子是合理的,建立的冻融土壤入渗参数BP预报模型是可靠的。

为解决BP(back propagation)神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系.基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP模型更接近实测结果.

为了研究人工凿井冻结法施工中冻结壁解冻融沉效应的产生而导致井筒壁后附加力的变化,以徐州黏土冻融为研究对象,通过人工冻结土融沉特性试验,分别开展了人工冻土不同含水率、不同单向冻结温度梯度、不同外荷载的冻融特性分析。结果表明:试验系统补水情形下,相同干密度的黏土单向冻结温度梯度为1.4℃/cm时融沉量值为0.98 mm,大于2.0℃/cm融沉量值0.61 mm,增大幅值约60.6%;相同单向冻结温度梯度下,随着外载荷的增大融沉量随之增大,两者增长趋势一致,但幅度不一致。基于对冻土融沉特性受多因素综合影响的认识,采用改进的人工神经网络方法,建立了多样本、多因素影响下的融沉系数关系数据库,误差分析表明,改进的预测算法具有较好的精度。