砂土液化等级预测的主成分-Logistic回归模型.pdf

《砂土液化等级预测的主成分-Logistic回归模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第9期长江科学院院报V01．32No．92015年9月JournalofYangtzeRiverScientificResearchInstituteSep．2015doi：10．11988／ckyyb．201403482015，32(09)：134—139砂土液化等级预测的主成分一Logistic回归模型王军龙(西安铁路职业技术学院土木工程系，西安710600)摘要：砂土液化等级的多指标综合预测模型可以分为2种类型：第1类以砂土液化等级分类标准为基础，第2类以实例数据为基础。分别选择砂土液化分类标准生成的数据以及实例数据作为样本，采用主成分分析法对样本数据进行降维处理，以Log

2、istic回归模型来描述砂土液化影响因素与砂土液化等级之间的对应关系，建立了2种类型的主成分．Logistic回归模型。实例应用结果显示，2种类型的主成分一Logistic回归模型都具有一定的可行性，第2种类型的主成分．Logistic回归模型预测结果更符合实际情况，在具有较多实例数据时，更具有应用价值。关键词：砂土液化等级；影响因素；预测；主成分；Logistic回归模型中图分类号：TU441文献标志码：A文章编号：1001—5485(2015)09—0134—06液化预测模型，模型的有效性依赖于训练样本的数量，这类模型和方法主要有神经网络模型、支持向量1研究进展机模型和距离判别法等。

3、砂土液化是在循环往复荷载作用下，饱和砂土从模型的通用性和实用性考虑，具有一定数学层孔隙水位升高，有效应力降低，造成地基承载力部表达式的模型更易于被理解和应用，其只需将实际分或者全部丧失，形成的一种破坏性严重的区域性数据输入数学表达式中即可计算出预测结果。为了地质灾害。20世纪6O年代以来，几次大的地震，如建立简单实用的砂土液化预测模型，本文结合主成日本新泻地震(1964)、美国阿拉斯加地震(1964)、分分析和Logistic回归模型来描述砂土液化等级与中国唐山大地震(1978)以及神户大地震(1995)、汶影响因素之间的映射关系，建立了砂土液化预测的川特大地震(2008)等均因砂土液化

4、导致堤防或建数学表达式。根据数据样本的不同，该模型可以实筑物大规模的破坏，给人类造成了巨大的经济损失，现上述2种类型，即砂土液化分类标准的数学表达，砂土液化问题引起了工程界的广泛关注¨I2。考虑以及砂土液化实例数据的经验表达。最后，工程实单因素判定砂土液化具有一定的片面性，多因素综例分析结果显示，本文建立的砂土液化预测模型简合评判就成为砂土液化判别分析的一种可行方法。单实用，预测效果良好，可以在工程中推广应用。据此，国内外的学者提出了多种综合预测模型和方法，如神经网络模型、支持向量机模型、模糊综合评2基本方法价法、距离判别法、投影寻踪模型、分形一插值模型一等。对于砂土液化预测问题，砂土液

5、化等级为类别总结上述模型和方法，可以将其分为2种类型：变量(不液化(I)、轻微液化(Ⅱ)、中等液化①以砂土液化分类标准为基础采用一定的数学方法(Ⅲ)、严重液化(Ⅳ)4个等级)，砂土液化指标为连建立模型，这类模型和方法主要包括模糊综合评价续变量，对于这种连续变量到类别变量之间的函数法、投影寻踪模型和分形．插值模型，其中投影寻踪关系，可以采用Logistic回归分析进行描述。由于砂模型和分形．插值模型将砂土分类标准直接转化为土液化指标之间具有高度的相关性，直接建立Lo．数学表达式，易于使用，这类模型的有效性依赖于分gistic模型，可能导致模型不稳定、解释上的冲突类标准的准确性；②以一定的砂

6、土液化样本数据为等。为此，本文在建立Logistic回归模型之前，采基础，对已有的模型和方法进行训练，从而建立砂土用主成分分析降低指标之间的相关性，将多个指标收稿日期：2014—05—04；修回日期：2014—06—08作者简介：王军龙(1973一)，男，陕西合阳人，副教授，主要从事土建工程的教学和科研工作，(电话)029—84096290(电子信箱)wangjunlong—xa@163．con。第9期王军龙砂土液化等级预测的主成分-Logistic回归模型135综合为少数几个彼此独立的主成分，从而避免多重共线性的影响。3砂土液化等级预测的主成分一Logistic2．1主成分分析回归模型

7、主成分分析是一种将多维数据进行降维处理，简化为少数几个不相关的综合指标(主成分)的多元统计分析方法。其建模过程具体如下：3．1类型I：砂土液化等级的数学表达(1)数据预处理。假设有m个样本(i=1，2，⋯，首先本文建立第1种类型的主成分．Logistic回m)，个指标(J=1，2，⋯，n)，对原始数据X=归模型，即模型的建立以砂土液化等级分类标准为()进行均值化处理，可保留数据内的变异基础，应用效果完全依赖于砂土液化等级分类标准信息