基于现代原位测试CPTU的土体液化势统一评价方法

段伟; 蔡国军; 刘松玉; 赵泽宁; 董晓强; 陈瑞锋

doi:10.11779/CJGE202203005

基于现代原位测试CPTU的土体液化势统一评价方法 English Version

段伟^{1, 2,},
蔡国军^{2, 3, ,},
刘松玉²,
赵泽宁²,
董晓强¹,
陈瑞锋²

1.
太原理工大学土木工程学院, 山西太原 030024
2.
东南大学岩土工程研究所, 江苏南京 211189
3.
安徽建筑大学土木工程学院, 安徽合肥 230601

基金项目:

国家自然科学基金项目 52108332

国家自然科学基金项目 41877231

国家自然科学基金项目 42072299

中国博士后科学基金项目 2021M702421

详细信息

作者简介:
段伟(1989—)，男，山西太原人，博士，博士后，从事现代原位测试技术等方面研究。E-mail: zbdxdw@163.com

通讯作者:
蔡国军, E-mail: focuscai@163.com

中图分类号: TU413
计量
- 文章访问数: 239
- HTML全文浏览量: 28
- PDF下载量: 173
出版历程
- 收稿日期: 2021-03-25
- 网络出版日期: 2022-09-22
- 刊出日期: 2022-02-28

Unified evaluation method for soil liquefaction potential based on modern in-situ piezocone penetration tests

1.
College of Civil Engineering, Taiyuan University of Technology, Taiyuan 030024, China
2.
Institute of Geotechnical Engineering, Southeast University, Nanjing 211189, China
3.
School of Civil Engineering, Anhui Jianzhu University, Hefei 230601, China

摘要

摘要: 静力触探(CPT)测试是国际上常用的砂质土液化判别技术，但无法反映孔隙水压力(孔压)对液化行为的影响。能够测试孔压的现代原位测试技术孔压静力触探(CPTU)对砂质土、粉质土具有更高的辨识度和灵敏度，因此在砂质土、粉质土液化评价方面具有独特的优势。通过编译的CPTU液化案例数据库，在简化应力框架下，通过粒子群优化核极限学习机算法、稳健搜索技术和非线性拟合优化分析建立了基于CPTU测试参数的液化阻力比(CRR_7.5)模型，该模型包括修正的锥尖阻力(q_t1N)和土类指数(I_{c, BJ})；其中I_{c, BJ}采用Jefferies和Davies提出的形式，包含了孔压参数比(B_q)。这样所提模型中土壤类型信息直接包含在液化判别公式中，无需根据土壤细粒含量进行贯入阻力的修正，更直接、更符合力学框架，适用于砂质土、粉质土等较广范围的土体；并通过内含B_q的土类指数I_{c, BJ}将砂质土和粉质土液化判别统一起来。最后用中国唐山地震液化案例证明所提模型的准确性和优越性。
- 孔压静力触探 /
- 粉质土 /
- 液化 /
- 土类指数 /
- 孔压参数比
Abstract: The cone penetration test (CPT) is a commonly used technique to identify the liquefaction of sandy soil in the world but it cannot reflect the influences of pore water pressure (pore pressure) on the liquefaction behavior. The piezocone penetration test (CPTU), a modern in-situ test technique, can measure pore pressure, and has high identification and sensitivity to sandy soil and silty soil, so it has a unique advantage in liquefaction evaluation of sandy soil and silty soil. In this study, a liquefaction resistance ratio (CRR_7.5) model based on CPTU test parameters is established under the simplified stress framework through the particle swarm optimization (PSO)-kernel limit learning machine (KLEM) algorithm, robust search technology and nonlinear fitting optimization analysis. The model includes modified cone resistance (q_t1N) and soil behavior type index (I_{c, BJ}) as per Jefferies and Davies, including the pore pressure ratio (B_q). In this way, the soil type information in the proposed model is directly included in the liquefaction discrimination formula, and it does not need to modify the penetration resistance according to the content of soil fine content, which is more direct and more consistent with the mechanical framework, and is suitable for a wide range of soil, such as sandy soil and silty soil. The liquefaction discrimination of sandy soil and silty soil is unified by the I_{c, BJ} with the inclusion of B_q in the formulation. Finally, the accuracy and superiority of the proposed model are proved by a case study of Tangshan Earthquake liquefaction in China.
- piezocone penetration test /
- silty soil /
- liquefaction /
- soil behavior type index /
- pore pressure ratio

HTML全文

0. 引言

各向异性是黏土的基本性质之一,分为原生各向异性和次生各向异性。针对原生各向异性对黏土力学性状的影响,许多学者对与沉积平面呈不同夹角试样进行压缩、无侧限压缩和三轴压缩等试验,发现原生各向异性对黏土变形以及强度特性的影响不容忽视。

小应变剪切模量特性作为土的重要力学性质之一,也同样受到原生各向异性的影响。Simpson等^[1]的研究表明,小应变剪切模量的原生各向异性对隧道及基坑周围土体变形的预测结果影响很大；Jovičić等^[2]和吴宏伟等^[3]分别针对伦敦黏土和上海软黏土进行研究,利用弯曲元测得两种土在低围压下水平和竖直方向上的最大剪切模量比值分别为1.5和1.21,说明对于不同种类黏土,原生各向异性对其小应变剪切模量的影响不尽相同。

结构性黏土在我国东南沿海地区分布广泛,许多工程建设涉及到此类黏土,迄今已对其小应变剪切模量进行了诸多研究,但以往的研究主要考虑孔隙比、应力水平和结构损伤等对小应变剪切模量的影响^[4],而考虑原生各向异性对小应变剪切模量影响的研究较少,有必要进行系统探究。

本文对不同削样方向的湛江黏土原状试样开展不同围压下的共振柱试验,研究原生各向异性对最大动剪切模量的影响以及考虑原生各向异性的最大动剪切模量随围压演化规律的表征方法。

1. 试验材料与试验方案

1.1 试验材料与试样制备

土样取自湛江市某基坑内地下10～11 m,尺寸为30 cm×30 cm×30 cm原状块状样。表1为其基本物理力学指标与颗粒组成。由表1可见,湛江黏土具有较差物理性质,与软黏土相似,但力学性质较优,呈现上述特性的原因为其具有的强结构性^[4]。

表 1 湛江黏土平均物理力学性质指标与颗粒组成

Table 1. Physical and mechanical indexes and particle composition of Zhanjiang clay

重度γ/(kN·m^-3)	含水率w/%	孔隙比e	渗透系数K/(cm·s^-1)	液限w_L/%	塑限w_P/%	塑性指数I_P	结构屈服应力σ_k/kPa	无侧限抗压强度/kPa	灵敏度S_t	颗粒组成/%
重度γ/(kN·m^-3)	含水率w/%	孔隙比e	渗透系数K/(cm·s^-1)	液限w_L/%	塑限w_P/%	塑性指数I_P	结构屈服应力σ_k/kPa	无侧限抗压强度/kPa	灵敏度S_t	>0.05/mm	0.005~0.05/mm	0.002~0.005/mm	<0.002/mm
17.1	52.98	1.44	2.73×10⁻⁸	59.6	28.1	31.5	400	143.5	7.2	8.2	39.5	20.7	31.6

下载: 导出CSV

| 显示表格

图1（a）为不同方向圆柱试样示意图,定义试样轴线与土体沉积平面夹角为 $α$ ,即竖直方向试样为90°,水平方向试样为0°。针对 $α$ 为0°,22.5°,45°,67.5°,90°方向原状样进行研究,试样规格尺寸为直径50 mm,高度100 mm的圆柱体。

图 1 试样示意图与试验设备

Figure 1. Schematic diagram of specimens and test apparatus

下载: 全尺寸图片幻灯片

1.2 试验方法

试验所用设备为GDS共振柱仪,如图1（b）所示。试样的边界条件为一端固定,一端自由。通过电磁驱动系统对试样逐级施加扭矩,测得试样的共振频率和对应的剪应变,试样动剪切模量由下式得到：

$G = ρ {(2 π f H / β)}^{2}$ ,

(1)

式中,G为试样动剪切模量,ρ为试样密度,f为共振频率,H为试样高度,β为扭转振动频率方程特征值。

试样在抽气饱和后安装至共振柱仪上,随后进行反压饱和,当B值达0.98后,进行固结,围压分别设定为50,100,200,300,400,500,600,700,800 kPa。试样固结完成后,进行共振柱试验。

2. 试验结果与分析

2.1 不同方向试样G- $γ$ 曲线规律

如图2所示,不同方向试样动剪切模量G和剪应变 $γ$ 的关系曲线形态与规律类似。剪切模量在小剪应变下衰减速度较小；随剪应变发展,衰减速度增大。低围压下G- $γ$ 曲线随围压增大而上移,围压超过600～700 kPa,G- $γ$ 曲线随围压增长而下移,与通常软黏土G- $γ$ 曲线大多随围压增大而单调上移规律存在明显差异,说明结构性对湛江黏土G- $γ$ 曲线规律影响较大。

图 2 不同方向试样剪切模量G与剪应变

$γ$ 关系

Figure 2. Relationship between shear modulus G and shear strain

$γ$ for specimens in different directions

下载: 全尺寸图片幻灯片

2.2 原生各向异性对最大动剪切模量的影响

湛江黏土动应力-应变关系可用Hardin-Drnevich双曲线模型表征,如下式：

$τ = \frac{γ}{a + b γ}$ ,

(2)

式中,a,b为拟合参数。式（2）可以写为

$1 / G = a + b γ$ 。

(3)

式（3）中,当 $γ$ 趋近于0时,得到最大动剪切模量G_max=1/a,利用式（3）求得不同方向试样在各围压下的G_max。为了消除孔隙比对G_max的影响,引入孔隙比函数F(e)=1/(0.3+0.7e²)将G_max进行归一化处理,图3为经孔隙比函数归一化的G_max/F(e)-围压 $σ_{3}$ 曲线。随围压增大,不同方向试样G_max/F(e)- $σ_{3}$ 曲线均呈现先上升后下降的规律,在围压为400～500 kPa即在 $σ_{k}$ 左右时,曲线出现转折。

图 3 不同方向试样G_max/F(e)与围压σ₃的关系

Figure 3. Relationship between G_max /F(e) and confining pressure σ₃ for specimens in different directions

下载: 全尺寸图片幻灯片

为了更好描述原生各向异性对最大动剪切模量的影响,定义G_max/F(e)的原生各向异性系数：

$K_{α} = D_{α} / D_{90 °}$ ,

(4)

式中,D_α定义为α方向试样的G_max/F(e),D_90°定义为90°（竖直）方向试样的G_max/F(e)。

G_max/F(e)的原生各向异性系数K_α与围压的关系如图4所示。相同围压下,K_α随方向角 $α$ 变化,K_α整体上随 $α$ 增大而减小,即试样的方向越靠近水平其刚度越大,说明原生各向异性对湛江黏土最大动剪切模量G_max的影响十分显著。湛江黏土基本单元为扁平状片堆、粒状碎屑矿物与单片颗粒,上述基本单元在沉积时,其长轴更倾向于水平方向,导致颗粒间水平方向的接触更紧密,结构更强^[3],进而更靠近水平方向试样的刚度更大。

图 4 不同方向试样K_α与围压σ₃的关系

Figure 4. Relationship between K_α and confining pressure σ₃ for specimens in different directions

下载: 全尺寸图片幻灯片

当围压低于400～600 kPa时,同一方向试样K_α随围压增长基本保持恒定,K_0°,K_22.5°,K_45°,K_67.5°,K_90°分别为1.314,1.279,1.148,1.045,1；当围压高于400～600 kPa时,同一方向试样K_α随围压增长呈明显减小趋势,不同方向试样的G_max/F(e)差异减小。说明围压低于 $σ_{k}$ 时,围压的增大几乎不影响原生各向异性对G_max的影响,但当围压超过 $σ_{k}$ 后,围压的增大减弱了原生各向异性对G_max的影响。文献[2]中伦敦黏土在围压超过屈服应力后,其水平与竖直方向试样的最大剪切模量的差异随围压增长也呈减小趋势,与本文试验结果一致。

2.3 考虑原生各向异性的最大动剪切模量表征方法

图3中出现G_max/F(e)随围压增大呈先上升后下降的特殊现象,文献[4]认为G_max同时受到平均有效应力、孔隙比和结构损伤的影响,采用该文的表征方法对试验结果进行分析,具体的表达形式如下所示：

$G_{\max} / F (e) = \frac{A (1 + {(\frac{{σ^{'}}_{m}}{p_{a}})}^{n})}{1 + B (1 + {(\frac{{σ^{'}}_{m}}{p_{a}})}^{n})} (k_{r} + \frac{1 - k_{r}}{1 + {(η \frac{{σ^{'}}_{m}}{p_{c}})}^{λ}})$ 。

(5)

式中 A,B,n,k_r,η和 $λ$ 为反映各种应力历史和土体性质的参数； ${σ^{'}}_{m}$ 为围压；p_a为标准大气压；p_c为表观前期固结压力即结构屈服应力 $σ_{k}$ ,不同方向试样压缩试验得到的 $σ_{k}$ 差异较小,均取400 kPa。

采用式（5）将不同方向试样G_max/F(e)与围压的关系进行定量表征。从图4可得,高应力下各向异性对试样的G_max/F(e)影响减弱,可假定不同方向试样G_max/F(e)极限值相同。最终将试验数据与拟合曲线一同绘制于图5,发现拟合效果很好,拟合参数见表2。

图 5 不同方向试样的G_max/F(e)与固结围压lgσ₃关系曲线

Figure 5. Curves of G_max/F(e) and confining pressure lgσ₃ of specimens in different directions

下载: 全尺寸图片幻灯片

表 2 不同方向试样拟合参数

Table 2. Fitting parameters of specimens in different directions

α	A/MPa	B	n	k_r	η	λ	R²
0^°	39.92489	0.16678	0.54309	0.35092	0.56433	6.42998	0.99251
22.5^°	37.89951	0.15999	0.58264	0.35462	0.56426	6.37147	0.99075
45^°	33.76328	0.15168	0.54642	0.37740	0.55402	6.38473	0.99432
67.5^°	31.15476	0.15761	0.56254	0.42499	0.60889	6.07737	0.99727
90^°	29.75422	0.15743	0.56067	0.44448	0.57750	6.05669	0.99835

下载: 导出CSV

| 显示表格

分析表2中拟合参数与试样方向的关系,可得参数A,k_r, $λ$ 和试样轴线与土体沉积平面夹角 $α$ 呈线性关系（图6）,参数B,n,η随 $α$ 增大分别保持在0.1587,0.5591,0.5738上下,且波动范围较小（参数B,n,η的标准差S分别为0.005455,0.01570和0.02131）。

图 6 拟合参数A,k_r和λ与试样方向的关系

Figure 6. Relationship between fitting parameters A, k_r and λ with directions of specimens

下载: 全尺寸图片幻灯片

将图6中参数A,k_r, $λ$ 的拟合方程和参数B,n,η的平均值同时代入式（5）,得到考虑原生各向异性的最大动剪切模量的表征方法：

$\begin{array}{l} G_{\max} / F (e) = \frac{(c_{1} α + c_{2}) (1 + {(\frac{{σ^{'}}_{m}}{p_{a}})}^{n})}{1 + B (1 + {(\frac{{σ^{'}}_{m}}{p_{a}})}^{n})} \cdot \\ ((d_{1} α + d_{2}) + \frac{1 - (d_{1} α + d_{2})}{1 + {(η \frac{{σ^{'}}_{m}}{p_{c}})}^{(e_{1} α + e_{2})}}) \end{array}$ 。

(6)

式中 ${σ^{'}}_{m}$ 为围压； $α$ 表示试样的方向,为试样轴线与土体沉积平面夹角；p_a为标准大气压,取101.325 kPa；p_c为 $σ_{k}$ ,取400 kPa；B=0.1587,n=0.5591,η=0.5738；c₁=−0.1204,c₂=39.9166；d₁=1.144×10⁻³,d₂=0.3390；e₁=−4.625×10⁻³,e₂=6.4722。

3. 结论

（1）在同一围压下,不同 $α$ 试样经孔隙比函数归一化的最大动剪切模量G_max/F(e)与90°方向试样G_max/F(e)的比值K_α随 $α$ 增大而减小。当围压低于和高于 $σ_{k}$ 时,同一 $α$ 试样K_α随围压增长分别呈基本保持恒定与明显减小趋势,说明当围压低于 $σ_{k}$ 时,围压几乎不影响原生各向异性对G_max影响,围压超过 $σ_{k}$ 后,不同方向的G_max/F(e)差异减小,围压的增大减弱了原生各向异性对G_max的影响。

（2）受固结压硬和结构损伤的影响,湛江黏土的G_max/F(e)变化规律与通常软黏土试验结果不同,不同方向试样的G_max/F(e)随围压增大均呈先增大后减小规律,当围压在 $σ_{k}$ 左右时出现转折。

（3）基于采用考虑结构损伤的公式可很好拟合湛江黏土不同方向试样G_max与围压关系曲线,提出了考虑原生各向异性影响的G_max演化规律表征方法。

图 1 PSO-KELM算法流程图

Figure 1. Flow chart of PSO-KELM algorithm

下载: 全尺寸图片幻灯片

图 2 PSO-KELM模型迭代寻优过程

Figure 2. Iterative optimization process of PSO-KELM model

下载: 全尺寸图片幻灯片

图 3 PSO-KELM模型液化判别结果

Figure 3. Results of liquefaction discrimination of PSO-KELM model

下载: 全尺寸图片幻灯片

图 4 参数敏感性分析

Figure 4. Sensitivity analysis

下载: 全尺寸图片幻灯片

图 5 极限状态边界搜索点模型示意图

Figure 5. Schematic diagram of model for searching points on limit state boundary

下载: 全尺寸图片幻灯片

图 6 所提模型的CRR_7.5预测散点图

Figure 6. Scattering of CRR_7.5 predictions by proposed model

下载: 全尺寸图片幻灯片

图 7 所提模型的二维图：CRR_7.5(CSR_7.5)与q_t1N

Figure 7. 2-D graphs of proposed model: CRR_7.5 (or CSR_7.5) versus q_t1N

下载: 全尺寸图片幻灯片

图 8 忽略B_q采用I_{c, RW}对所提CRR_7.5模型的影响

Figure 8. Percentage change in CRR_7.5 as a result of ignoring B_q in proposed model

下载: 全尺寸图片幻灯片

图 9 唐山场地T1的CPTU剖面

Figure 9. CPTU sounding profiles at location T1 in Tangshan sites

下载: 全尺寸图片幻灯片

图 10 场地T1的液化结果分析

Figure 10. Liquefaction results of analysis of Tangshan T1

下载: 全尺寸图片幻灯片

表 1 混淆矩阵

Table 1 Confusion matrix

模型预测	实际
模型预测	液化	非液化
液化	TP	FP
非液化	FN	TN

下载: 导出CSV

表 2 历史案例各个参数值的范围

Table 2 Ranges of parameter values in historical case

指标	q_t/MPa	f_s/kPa	u₂/kPa	B_q	σ_v/kPa	σ′_v/kPa	q_t1N	I_{c, BJ}	I_{c, RW}	a_max/g	M_w	CSR_7.5
最小	0.2	0.2	-104.1	-0.26	26.0	18.2	2.5	0.59	0.98	0.09	5.9	0.04
最大	28.9	358.6	1195.8	0.82	314.5	159.5	304.7	3.39	3.44	0.79	7.8	0.85
注：q_t，f_s，u₂分别为CPTU锥尖阻力、侧壁摩阻力、孔压水压力；σ_v，σ′_v分别为总竖向应力、有效竖向应力；a_max为地震加速度；M_w为震级。

下载: 导出CSV

表 3 敏感性分析结果

Table 3 Results of sensitivity analysis

模型	训练集OA	测试集OA
LI = f(q_t1N, I_{c, BJ}, ${\sigma '_{{\text{vo}}}}$ , CSR_7.5)	97.1%	89.1%
LI = f(q_t1N, I_{c, BJ}, CSR_7.5)	88.1%	81.5%
LI = f(q_t1N, ${\sigma '_{{\text{vo}}}}$ , CSR_7.5)	87.7%	80.6%
LI = f(q_t1N, I_{c, BJ}, ${\sigma '_{{\text{vo}}}}$ )	78.3%	73.5%

下载: 导出CSV

表 4 不同模型液化判别训练集结果对比

Table 4 Comparison among different machine learning models in training dataset

模型	训练集				测试集
模型	OA	P	R	F	OA	P	R	F
PSO-KELM	97.1%	97.2%	98.9%	0.980	89.1%	91.7%	94.3%	0.930
ELM	93.9%	92.6%	99.4%	0.959	87.3%	87.5%	91.4%	0.894
LS-SVM	96.1%	95.6%	99.4%	0.975	85.5%	86.9%	91.2%	0.890
LM-BP	89.4%	88.5%	96.1%	0.922	83.6%	86.5%	90.9%	0.886

下载: 导出CSV

表 5 不同水平下液化案例正确率

Table 5 Accuracy rates of liquefaction cases at different levels

I_{c, BJ}范围	土类	液化数	液化正判率
I_{c, BJ} < 1.25	砾质砂	12	83.3%
1.25 < I_{c, BJ} < 1.80	砂	101	87.1%
1.80 < I_{c, BJ} < 2.40	砂质混合物：纯净砂-粉砂	62	93.5%
2.40 < I_{c, BJ} < 2.76	粉质土：黏质粉土-粉质黏土	23	100%
I_{c, BJ} > 2.76	黏土	31	100%

下载: 导出CSV

参考文献(22)

[1]	陈国兴, 孔梦云, 李小军, 等. 以标贯试验为依据的砂土液化确定性及概率判别法[J]. 岩土力学, 2015, 36(1): 9–27. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201501002.htm CHEN Guo-xing, KONG Meng-yun, LI Xiao-jun, et al. Deterministic and probabilistic triggering correlations for assessment of seismic soil liquefaction at nuclear power plant[J]. Rock and Soil Mechanics, 2015, 36(1): 9–27. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201501002.htm
[2]	蔡国军, 刘松玉, 童立元, 等. 基于静力触探测试的国内外砂土液化判别方法[J]. 岩石力学与工程学报, 2008, 27(5): 1019–1027. doi: 10.3321/j.issn:1000-6915.2008.05.018 CAI Guo-jun, LIU Song-yu, TONG Li-yuan, et al. Evaluation of liquefaction of sandy soils based on cone penetration test[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(5): 1019–1027. (in Chinese) doi: 10.3321/j.issn:1000-6915.2008.05.018
[3]	SEED H B, IDRISS I M. Simplified procedure for evaluating soil liquefaction potential[J]. Journal of the Soil Mechanics and Foundations Division, ASCE, 1971, 97(9): 1249–1273. doi: 10.1061/JSFEAQ.0001662
[4]	JUANG C H, CHEN C H, MAYNE P W. CPTU simplified stress-based model for evaluating soil liquefaction potential[J]. Soils and Foundations, 2008, 48(6): 755–770. doi: 10.3208/sandf.48.755
[5]	ROBERTSON P K, WRIDE C E. Evaluating cyclic liquefaction potential using the cone penetration test[J]. Canadian Geotechnical Journal, 1998, 35(3): 442–459. doi: 10.1139/t98-017
[6]	MOSS R E, SEED R B, KAYEN R E, et al. CPT-based probabilistic and deterministic assessment of in situ seismic soil liquefaction potential[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2006, 132(8): 1032–1051. doi: 10.1061/(ASCE)1090-0241(2006)132:8(1032)
[7]	YOUD T L, IDRISS I M. Liquefaction resistance of soils: summary report from the 1996 NCEER and 1998 NCEER/NSF workshops on evaluation of liquefaction resistance of soils[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2001, 127(4): 297–313. doi: 10.1061/(ASCE)1090-0241(2001)127:4(297)
[8]	袁晓铭, 曹振中. 基于土层常规参数的液化发生概率计算公式及其可靠性研究[J]. 土木工程学报, 2014, 47(4): 99–108. https://www.cnki.com.cn/Article/CJFDTOTAL-TMGC201404015.htm YUAN Xiao-ming, CAO Zhen-zhong. Conventional soils parameters-based liquefaction probabilistic evaluation formula and its reliability analysis[J]. China Civil Engineering Journal, 2014, 47(4): 99–108. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TMGC201404015.htm
[9]	段伟, 蔡国军, 刘松玉, 等. 多功能参数静力触探在地震液化判别方法中的应用进展研究[J]. 地震工程学报, 2020, 42(3): 764–776. doi: 10.3969/j.issn.1000-0844.2020.03.764 DUAN Wei, CAI Guo-jun, LIU Song-yu, et al. Progress of the application of the multifunctional cone penetration test in the seismic liquefaction discrimination method[J]. China Earthquake Engineering Journal, 2020, 42(3): 764–776. (in Chinese) doi: 10.3969/j.issn.1000-0844.2020.03.764
[10]	AHMAD M, TANG X W, QIU J N, et al. Application of machine learning algorithms for the evaluation of seismic soil liquefaction potential[J]. Frontiers of Structural and Civil Engineering, 2021, 15(2): 490–505. doi: 10.1007/s11709-020-0669-5
[11]	胡记磊, 唐小微, 裘江南. 基于贝叶斯网络的地震液化概率预测分析[J]. 岩土力学, 2016, 37(6): 1745–1752. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201606027.htm HU Ji-lei, TANG Xiao-wei, QIU Jiang-nan. Prediction of probability of seismic-induced liquefaction based on Bayesian network[J]. Rock and Soil Mechanics, 2016, 37(6): 1745–1752. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201606027.htm
[12]	ZHAO Z N, DUAN W, CAI G J. A novel PSO-KELM based soil liquefaction evaluation system using CPT and V_s measurements[J]. Soil Dynamics and Earthquake Engineering, 2021. online.
[13]	BRAY J D, SANCIO R B, DURGUNOGLU T, et al. Subsurface characterization at ground failure sites in Adapazari, Turkey[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2004, 130(7): 673–685. doi: 10.1061/(ASCE)1090-0241(2004)130:7(673)
[14]	HUANG G B, ZHU Q Y, SIEW C K. Extreme learning machine: theory and applications[J]. Neurocomputing, 2006, 70(1/3): 489–501.
[15]	杨锡运, 关文渊, 刘玉奇, 等. 基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J]. 中国电机工程学报, 2015, 35(增刊1): 146–153. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDC2015S1023.htm YANG Xi-yun, GUAN Wen-yuan, LIU Yu-qi, et al. Prediction intervals forecasts of wind power based on PSO-KELM[J]. Proceedings of the CSEE, 2015, 35(S1): 146–153. (In Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDC2015S1023.htm
[16]	HUANG G B. An insight into extreme learning machines: random neurons, random features and kernels[J]. Cognitive Computation, 2014, 6(3): 376–390. doi: 10.1007/s12559-014-9255-2
[17]	KENNEDY J, EBERHART R. Particle swarm optimization [C]// Proceedings of ICNN'95-International Conference on Neural Networks, IEEE, 1995, Perth.
[18]	JEFFERIES M G, DAVIES M P. Use of CPTU to estimate equivalent SPT N₆₀[J]. Geotechnical Testing Journal, 1993, 16(4): 458–468. doi: 10.1520/GTJ10286J
[19]	JUANG C H, CHING J, KU C S, et al. Unified CPTu-based probabilistic model for assessing probability of liquefaction of sand and clay[J]. Géotechnique, 2012, 62(10): 877–892. doi: 10.1680/geot.9.P.025
[20]	JUANG C H, CHEN C J, TANG W H, et al. CPT-based liquefaction analysis, Part 1: determination of limit state function[J]. Géotechnique, 2000, 50(5): 583–592. doi: 10.1680/geot.2000.50.5.583
[21]	CAI G J, LIU S Y, PUPPALA A J. Liquefaction assessment using seismic piezocone penetration (SCPTU) test investigations in Tangshan region in China[J]. Soil Dynamics and Earthquake Engineering, 2012, 41: 141–150. doi: 10.1016/j.soildyn.2012.05.008
[22]	KU C S, JUANG C H, CHANG C W, et al. Probabilistic version of the Robertson and Wride method for liquefaction evaluation: development and application[J]. Canadian Geotechnical Journal, 2012, 49(1): 27–44. doi: 10.1139/t11-085