凍土水分檢測方法的研究與實現

張佳薇，閆久陽

(東北林業大學，黑龍江哈爾濱 150040)

由于凍土中的水分遷移與土壤各項特性指標呈復雜的非線性關系，采用一般的模型很難將其描述出來。研究中，主要介紹了適宜這種復雜關系的神經網絡方法。

1 凍土的概述

凍土是一種含有冰的巖石和土壤的混合物。它受溫度變化的影響極為敏感，其性能極不穩定。由于凍土中含有的水和冰極易受環境溫度的影響而發生凍結和融化，其長期強度比瞬時強度要小得多。凍土含冰的特性以及冰的不均勻分布特點導致凍土的土體性能較差。

2 我國凍土區的基本現狀

我國的地理位置和氣候特點使得我國成為世界凍土大國之一。在我國的季節性凍土區，建筑項目都會或多或少地出現沉降、變形甚至倒塌的現象。這是因為在冬季氣溫較低時，建筑物的土層基底、土層構筑物中的土壤水分會因為低于結冰點而凝結成冰并且逐漸向深層發展，土壤顆粒因為被冰塊膠著連結而強度增大，極易在內部形成冰層，導致建筑產品極易出現劇烈膨脹變形的現象。而在氣溫回升的春季，凍土中的冰層和冰塊融化，土壤顆粒之間的膠著作用減弱，整體強度變低，土壤的承載能力下降，就會使其上的建筑物發生沉降變形(又稱融沉變形)，甚至發生部分滑塌。凍土的這種極不穩定、易急劇變化的特性對建筑工程的質量安全有著極大的隱患。我國是凍土大國，青藏鐵路是典型的建設在凍土地基上的項目。由于青藏鐵路干線的大部分位于4 000 m以上海拔，鐵路干線處在多年凍土層中，其特有的不均勻的凍脹融沉導致青藏鐵路的路基嚴重受損，穩定性遭到嚴重破壞，每年都要花費巨大的人力、物力和財力對其進行翻修。隨著我國國民經濟水平的總體提高，西部開發規劃已被逐漸提上日程。除了青藏鐵路，越來越多的鐵路、市政、橋梁、隧道等建設項目需要在凍土地區進行。凍土地區的工程建設已經不可避免。此時，更需要深入檢測和研究凍土水分的相關課題，盡最大可能減少凍土對建筑的危害。

3 國內外凍土水分檢測的研究形勢

凍土水分檢測的研究目的主要是為了實現凍土中水分的遷移。凍土中的水分分布和特點與凍土土壤的分散性、凝聚力、成分、含水量、強度、結構等有直接的關系，又存在著一定的規律性。

3.1 國外發展概況 從20世紀30年代開始，國外就開始致力于研究土壤在反復凍融的過程中發生的凍脹以及水分遷移機理，最終得出毛細理論(又稱第一凍脹理論)，即引起土壤中水分在凍結過程中移動的源動力來自于毛細壓力。第一膨脹理論被提出后很快就被人們接受并廣泛發展，但隨后人們便發現毛細理論的局限性，Miller提出凍結緣理論(又稱第二凍脹理論［1］)。他認為存在一個含水量和導濕率均較低的無凍脹區，且就在凍結鋒面與冰透鏡體之間。

凍結緣中存在孔隙冰，孔隙冰的含量隨著遠離冰凍鋒面向冰透鏡面靠近而不斷增長，未凍水的含量逐漸減少，形成一個吸力梯度。土壤中的水在吸力梯度的作用下，不斷向冰透鏡體靠攏而凝結成冰，發生凍脹現象。之后有人提出與第二凍脹理論相似的理論。

20世紀80年代，人們先后提出剛性冰和分凝勢兩種模型。人們發現并證實了凍土水的一些規律，即冰結速度與暖端溫度在很大程度上影響冰透鏡體的形成;未凍土隨著靠近的冰透鏡體的增長而增加土體的有效應力，從而使未凍土的密度變大;當臨界冰結速率高于冰結速率時，隨著固體顆粒不斷被排斥，水逐漸凝結成冰，當固體顆粒粒徑增加時臨界冰結速率降低;臨界冰結速率隨著冰結鋒面的密度增加而降低，飽和土中的冰透鏡體的增長率與其增長面的過冷度呈正比關系。

3.2 我國發展概況 我國從20世紀60年代開始逐漸對凍土中的水分特征展開研究。較為典型的研究有80年代中國科學院凍土所系統地研究了凍融過程中毛細水和薄膜水在溫度梯度誘導作用下的遷移問題。徐學祖等［2－4］利用核磁共振分析了影響未凍水含量的因素，并且證實了在不同環境中未凍土隨負溫變化而引起的含量變化。王家澄等［5］提出，已凍土中依然存在水分的遷移和相交，就算在等溫環境中依然能夠引起不同程度的凍脹。張立新等［6］提出了未凍水受壓力影響引起的含量變化特征。李萍等［7］結合凍脹觀測和歷史資料分析判斷了凍結緣的具體變化過程，并且進行了數據分析，利用計算機技術分析判斷了凍結緣以及分凝冰的具體位置、厚度，指出單薄冰層、厚冰層和雙冰層造成不連續的分凝冰。何平等［8］提出，冰結緣是因為冰結區內相變溫度和水分作用力兩者共同作用而形成的。趙建軍等［9］則依據梯度吸力引起未凍薄膜水遷移的原理建立了相關的水熱耦合模型。

自青藏鐵路修建開始，我國的多年凍土地基試驗與各種凍土路基工程保護措施相繼展開與實行。其中，毛雪松等［10］在對青藏鐵路凍土進行研究分析的基礎上提出水熱耦合遷移模型。通過數據分析與相關規律研究，確定了路基溫度場受水分遷移的影響而變化。

土壤凍結的過程十分復雜。土壤水分遷移與土壤各種性能、成分、組成、溫度等因素之間并不是簡單的線性關系，而是復雜的、用一半代數方法難以解決的非線性關系。在這種情況下，神經網絡技術的優越性就得到充分體現。神經網絡技術具有自我組織、學習、適應的綜合性能，能并列分布，且能權衡包容錯誤分析。這些特點決定了神經網絡方法能夠較好地應用在土壤水分遷移這類復雜的非線性研究課題中。尚松浩等［11］利用BP神經網絡模型分析研究了未凍結土含量與凍結溫度和其他主要影響因素的關系。該模型利用一個神經元，分析土壤水分未凍水含量以及凍結溫度隨各種因素的變化而受到的影響。李強等［12］結合聲波原理將人工智能神經方法應用到凍土遷移分析的研究中，并開發出一種全新的測試凍土強度的方法。馬芹永等［13］通過利用神經網絡感知器將不同環境中凍土的爆破能力和強度分類。梁若筠通過神經網絡的應用對凍土的可鉆性進行合理、良好地分類。常斌等［15］通過對青藏鐵路凍土路基的研究，建立了一種新的神經網絡預測模型，可以廣泛地面向工程設計人員。姚兆明等［16］運用人工智能提出了一個可以預測溫度場的大型開放網格結構。何秉順等［17］利用人工神經網絡對氣溫、交通荷載以及降水等影響凍土公路路基的因素進行預測和分析。

4 人工神經網絡方法概述

人工神經網絡，英文名字是Artificial Neural Network(ANN)，有時簡稱為神經網絡(NN)，是通過真實地分析人腦的神經網絡構造、特征及功能，進行理論性的簡化和模擬，形成一種類似人腦的信息系統。人腦是由大量復雜又協同工作的神經元構成的。它們錯綜復雜地相互連結，通過外界刺激呈現各種各樣的狀態特征。人腦有高度的自覺性，能主動調整自身狀態，完成自我學習、自我修復、及時更錯等任務。人工神經網絡正是通過大量的神經元錯綜連結在一起，模擬人腦的工作機制和原理，充分發揮自動學習和自我完善的功能，從而最終用于處理各種復雜的、非線性的運算及數據分析。通過專門訓練，神經網絡系統具有與大腦類似的識別能力、記憶能力以及分析處理能力。當在實際運用中無法建立簡單的數學表達式時，就需要利用神經網絡的方法對實際的復雜多變的數據進行分析和處理。徐學祖等［18］通過神經網絡方法對23組莫玲黏土進行了一系列的試驗檢測，根據相關網絡輸入量，最終得到網絡輸出端的未凍水含量的參數A和B。經比較，發現采用神經網絡方法對凍土水分進行預測與試驗值極為接近。

5 人工神經網絡的基本發展狀況

人工神經網絡的研究自20世紀40年代開始至今，經過了初始發展階段、低潮時期，隨后進入復興時期以及發展高潮期，共4個階段。

在最初的神經計算模型(M－P模型)中，神經元的活動有興奮和抑制兩種表現形式。簡單的M－P模型雖然只能用于運算分析一些簡單的數據，但是為以后神經網絡的飛速發展打下良好基礎。在20世紀40年代末，Hebb提出被后人稱作關聯論的理論。這在很大程度上推動了人工神經絡的發展，至今他的理論仍然被人們所引用。50年代末，又有科學家提出感知器模型。這是人工神經網絡方法第一次運用在工程實際中。隨后將近10年期間，由于人們受當時計算機技術水平的限制，認為將神經網絡方法真正應用在非線性問題的解決上，其難度相當大。很多研究人員將課題轉移到別的領域，導致神經網絡的研究出現了10年左右的低迷期。

直至80年代，著名的Hopfied理論模型在硬件上力圖實現電子學或光學，且它的各項功能特征更接近人腦。這就大大開拓了神經網絡研究的新途徑。不久之后，人類第一個硬件神經網絡芯片被成功研制出來。BP算法(多層前饋誤差反響傳播神經網絡算法)的提出進一步解決了感知器的局限問題。

20世紀80年代以后，隨著神經網絡方法的各項理論的深入研究，其應用的范圍越來越廣，神經網絡出現了發展的高潮期。神經網絡理論的研究日益成熟，針對的領域越來越多，很多以前難以解決的非線性系統的問題在神經網絡的推動應用中迎刃而解。而且，神經網絡的發展空間依然很大，其各項研究會越來越深入。

6 凍土水分檢測借助人工神經網絡的基本研究

凍土的組成結構十分復雜，影響凍土的各種因素，如環境、溫度、地質以及各種性能參數等并不是單一穩定的，而是不斷變化的。這些數據很難用一個固定的模式表示，只有應用人工網絡神經的開放系統模型，才能將凍土各個因素的復雜的、非線性關系描述出來。

目前，一般采用兩種神經網絡建模方法來檢測凍土水分及其各種影響因素。一種是找到可測的、影響凍土水分的因素。根據這些可測的因素來預測不可知的參數變化，其中可以用神經網絡隱式表達待預測的影響因素及其參數關系。另外一種情況是，若當前凍土的各項影響因素及其參數關系均過于復雜難于推斷，此時可以利用之前的歷史數據建立起其同當前因素數據的人工網絡模型。這種方法得到的結果不是很準確，但相對而言也是一種適宜的辦法。

利用神經元分析檢測凍土水分的研究主要包括4個階段。①根據實際需要，選擇最適合當前數據分析的神經網絡模型;②收集待檢測的凍土樣本，并進行相關的測試;③設計并建立適宜的神經網絡模型，并通過實驗測試其各項性能;④在人工網絡模型進行測試后，根據實際情況不斷改進、訓練，使其能更好地用于實際問題的解決。

人工神經網絡是模擬大腦靠學習和記憶來訓練處理所有的數據關系。在運用神經網絡方法來檢測凍土水分時，應該提供盡可能多的樣本數據、盡可能多的全部模式。輸入的所有變量應該相互獨立，而不是彼此影響和制約。提供的樣本數一方面隨著網絡映射關系的復雜程度的增大而增加，另一方面樣本數隨著數據噪音的增大而增加。

盡管人工神經網絡自適應性很好，但是也不能將各項數據不經整理就隨便丟給處理。在檢測凍土水分前，應首先將所有相關的資料及數據分析整理，將不重要的和錯誤的信息確定排除干凈，將需要的原始數據保持在模型許可的范圍內，在轉換訓練樣本與測試樣本時必須采取相同的比例。

在運用神經網絡進行凍土水分檢測時，注重分析影響凍土水分遷移的各個因素，進而確定輸入層和輸出層。此外，由于人工神經網絡的泛化功能優良，還應該選擇適宜次數的訓練，選取合適的目標誤差。

7 結語

隨著人們對神經網絡研究的深入，也發現一些方法中存在著缺陷。近年來，不斷有人提出各種改進方法。但是，總體說來，人工神經網絡在土壤凍土水分遷移中的運用已日臻成熟。

［1］HOLDEN J T.Approximate solutions for Muller’s theory of secondary heave［C］//Proceedings of IVICCP，1983:498 －503.

［2］徐學祖.凍土與鹽溶液系統中惹質遷移及變形過程試驗研究［J］.冰川凍土，1992，14(4):289 －295.

［3］徐學祖，王家澄，張立新，等.土體凍脹和鹽脹機理［M］.北京:科學出版社，1995.

［4］徐學祖，王家澄，張立新，等.溫度梯度誘導薄膜水遷移的凍脹機理［J］.科學通報，1997，42(9):956 －959.

［5］王家澄，程國棟，張宏鼎，等.飽水砂土反復凍融時成冰條件的實驗研究［J］.冰川凍土，1992，14(3):101 －106.

［6］張立新，徐學祖，張招祥，等.凍土未凍水與壓力關系的實驗研究［J］.冰川凍土，1998，20(2):11 －14.

［7］李萍，徐雪祖，王家澄，等.不連續分凝冰發育規律的研究［J］.蘭州大學學報，2000，36(5):126 －133.

［8］何平，程國棟，俞祈浩，等.飽和正凍土中的水、熱、力場耦合模型［J］.冰川凍土，2000，2(2):135 －138.

［9］趙建軍，董金梅，王沛，等.正凍土中的水熱耦合模型［J］.天津城市建筑學院學報，2001，7(1):47 －52.

［10］毛雪松，王秉剛，胡長順.多年凍土路基水分遷移熱力學性能分析［J］.路基工程，2006(4):1 －4.

［11］尚松浩，毛曉敏.基于BP神經網絡的土壤凍結溫度及未凍水含量預測模型［J］.冰川凍土，2001，23(4):414 －418.

［12］李強，楊平.基于神經網絡的聲波法預測凍土強度的研究［J］.建井技術，2002，23(6):26 －28.

［13］MA Q Y，ZHANG Z H.Classification of frozen soil blastability by using perceptron neural network［J］.Journal of Coal Science，2002，8(1):54 －58.

［14］梁若筠.基于神經網絡方法的凍土水分遷移研究［D］.蘭州:蘭州大學，2007.

［15］常斌，李寧，蘇波，等.通風管路基溫度場神經網絡預測模型［J］.巖土力學與工程學報，2004，23(24):4131 －4136.

［16］姚兆明，周啟俊.人工凍土溫度場的智能方法預測［J］.安徽理工大學學報，2005，25(3):27 －29.

［17］何秉順，劉建坤，房建宏.使用人工神經網絡預測凍土區公路路基沉降［J］.公路交通科技，2005，22(11):43.

［18］李寧，程國棟，徐學祖，等.凍土力學的研究進展與思考［J］.力學進展，2001，31(1):95－102.