數(shù)據(jù)挖掘技術(shù)在土的工程分類和黃土力學(xué)性質(zhì)研究中的應(yīng)用.pdf

1、在中國經(jīng)濟(jì)快速發(fā)展的背景下,大量巖土工程的建設(shè)產(chǎn)生了大量的數(shù)據(jù),往往這些數(shù)據(jù)為工程單位單個項目分析所用或者作為檔案資料存儲起來。這些海量的數(shù)據(jù)中往往隱藏著許多未被認(rèn)知到的信息,要想挖掘這些數(shù)據(jù)中隱藏的信息,就要對這些數(shù)據(jù)進(jìn)行分析。運用常規(guī)數(shù)學(xué)手段對這些數(shù)據(jù)進(jìn)行處理,結(jié)果往往不盡人意。數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取隱含的、先前未知的并有潛在價值的信息和知識的過程。數(shù)據(jù)挖掘技術(shù)在巖土工程中的應(yīng)用就在這種背景下應(yīng)運而生。
　　文中收集的數(shù)

2、據(jù)來源于機(jī)械工業(yè)勘察設(shè)計研究院和煤炭研究院提供的386項實際工程數(shù)據(jù),共10262組。選取Microsoft SQL Server2008作為數(shù)據(jù)挖掘的工具,對土的工程分類、黃土的濕陷性和壓縮性進(jìn)行數(shù)據(jù)挖掘分析,以降低試驗工作者的勞動強(qiáng)度,提高工作效率。本文所做的工作和所得的結(jié)論主要有以下三點:
　　(1)采用決策樹技術(shù)對土進(jìn)行工程分類。數(shù)據(jù)挖掘結(jié)果表明:與粘性土工程分類有關(guān)的輸入變量與其關(guān)聯(lián)程度從強(qiáng)到弱依次為:塑性指數(shù)、比重;與

3、砂土工程分類有關(guān)的輸入變量與其依賴關(guān)系從強(qiáng)到弱依次為:粒徑220mm d mm<<、0.0750.25mm d mm<<、0.52mm　　(2)用主成分分析法對黃土濕陷性數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行預(yù)處理,對數(shù)據(jù)降維以消除數(shù)據(jù)之間的相關(guān)性,提高挖掘模型的準(zhǔn)確率和運算速度。黃土濕陷性大小分類采用決策樹算法,分析結(jié)果表明:與黃土濕陷性大小分類有關(guān)的指標(biāo)與其關(guān)聯(lián)程度從強(qiáng)到弱依次為:密

4、度、取樣深度、塑限、比重、液隙比、含水比。采用神經(jīng)網(wǎng)絡(luò)算法對主成分分析法處理和未經(jīng)主成分分析法處理的濕陷系數(shù)進(jìn)行預(yù)測。通過預(yù)測誤差方差分析可知:經(jīng)主成分分析預(yù)處理后神經(jīng)網(wǎng)絡(luò)算法對黃土濕陷系數(shù)的預(yù)測較未經(jīng)主成分分析預(yù)處理準(zhǔn)確。
　　(3)運用決策樹算法和神經(jīng)網(wǎng)絡(luò)算法對黃土壓縮性大小進(jìn)行分類,挖掘結(jié)果表明:與黃土壓縮性大小分類有關(guān)的指標(biāo)與其關(guān)聯(lián)程度從強(qiáng)到弱依次為密度、取樣深度、孔隙比、液限、含水率、比重。兩種方法預(yù)測結(jié)果表明,決策樹對