2024年 04期

摘要(Abstract)：

为了解决利用机器学习算法建立的部分砂土液化预测模型仅在特定地区实现高精确预测而泛化能力减弱的问题，从而扩大砂土液化预测模型适用范围，准确预测砂土液化，以更好地防治地震灾害，基于类别型特征提升算法CatBoost并结合自动超参数优化框架Optuna进行调参训练，建立CatBoost-Optuna砂土液化预测模型；将标准贯入试验的地震液化数据集划分为训练集和测试集，利用5个评估指标评估所建立模型的预测结果，与测试集中多层感知机和支持向量机砂土液化预测模型的评估结果相比较，并以地震液化案例数据作为验证集，对比不同预测模型的预测效果。结果表明：与多层感知机和支持向量机砂土液化预测模型相比，所建立的模型在测试集中评估指标较大，有更好的预测效果；在验证集中，所建立模型的评估指标只有精准率略微减小，其他评估指标都保持稳定，而对比模型的评估指标只有召回率保持稳定，其他评估指标都有所减小，只有所建立模型的预测效果与在测试集中的预测效果保持一致，进一步证明所建立模型的泛化能力较强。

关键词(KeyWords)：岩土工程;砂土液化预测;机器学习;CatBoost算法;Optuna框架;泛化能力

基金项目(Foundation): 国家自然科学基金项目(51809115);; 山东省自然科学基金项目(ZR2019QEE003)

作者(Author): 何家智,冯现大,刘天琦

DOI: 10.13349/j.cnki.jdxbn.20230913.001

参考文献(References)：

[1] 袁晓铭，曹振中.砂砾土液化判别的基本方法及计算公式[J].岩土工程学报，2011,33(4):509.

[2] 叶斌，宋思聪，倪雪倩.制样方法对砂土液化力学性质影响的离散元模拟[J].同济大学学报(自然科学版),2022,50(7):998.

[3] SEED B H,TOKIMATSU K,HARDER L F,et al.Influence of SPT procedures in soil liquefaction resistance evaluations[J].Journal of Geotechnical Engineering,1985,111(12):1425.

[4] 张思宇，李兆焱，袁晓铭.基于静力触探试验的液化判别新方法[J].岩土力学，2022,43(6):1596.

[5] 肖诗豪，程小久，汪华安，等.基于标贯试验的砂土液化概率判别法[J].土木与环境工程学报(中英文),2022,44(5):87.

[6] 潘建平，孔宪京，邹德高.基于Logistic回归模型的砂土液化概率评价[J].岩土力学，2008,29(9):2567.

[7] CHERN S G,LEE C Y,WANG C C.CPT-based liquefaction assessment by using fuzzy-neural network[J].Journal of Marine Science and Technology,2008,16(2):139.

[8] 林志红，项伟.基于贝叶斯正则化BP神经网络的砂土地震液化研究[J].安全与环境工程，2011,18(2):23.

[9] 范珂显.基于SGO-RBF神经网络的地震液化侧移预测[D].武汉：中国地震局地震研究所，2021.

[10] 胡记磊.基于贝叶斯网络的地震液化风险分析模型研究[D].大连：大连理工大学，2016.

[11] 张紫昭，陈巨鹏，陈凯，等.砂土地震液化预测的Bayes判别模型及其应用[J].桂林理工大学学报，2014,34(1):63.

[12] 彭刘亚，解惠婷，冯伟栋.基于随机森林算法的砂土液化预测方法[J].物探与化探，2020,44(6):1429.

[13] LIU L,ZHANG S S,YAO X F,et al.Liquefaction evaluation based on shear wave velocity using random forest[J].Advances in Civil Engineering,2021,2021:1.

[14] 毛志勇，黄春娟，路世昌.基于PSO-SVM的砂土地震液化预测模型[J].中国安全科学学报，2018,28(3):25.

[15] 王帅伟，于少将，李绍康，等.基于RS-PCA-GA-SVM的砂土液化预测方法研究[J].地震工程学报，2019,41(2):445.

[16] 李冰瑶.基于剪切波速和支持向量机的砂土地震液化预测研究[D].长春：吉林建筑大学，2020.

[17] CETIN K O,SEED R B,KAYEN R E,et al.SPT-based probabilistic and deterministic assessment of seismic soil liquefaction triggering hazard[J].Soil Dynamics and Earthquake Engineering,2018,115:708.

[18] PROKHORENKOVA L,GUSEV G,VOROBEV A,et al.CatBoost:unbiased boosting with categorical features[EB/OL].(2019-01-20) [2023-01-08].https://doi.org/10.48550/arXiv.1706.09516.

[19] HWANG J H,YANG C W.Verification of critical cyclic strength curve by Taiwan Chi-Chi earthquake data[J].Soil Dynamics and Earthquake Engineering,2001,21(3):243-247.