基于BR-BP神经网络的高液限黏土改性剂掺量预估方法

【目的】为预测在不同湿度、温度、初始含水率环境下高液限黏土降水至稳定含水率所需的水泥和石灰改性剂掺量，【方法】以广西来都高速的高液限黏土为研究对象，结合室内湿法击实试验、液塑限试验及改进CBR试验，设计考虑初始含水率、改性剂掺量、温度、湿度4因素5水平的正交试验对稳定含水率的影响，基于贝叶斯正则化(BR)算法的改进BP神经网络，建立了考虑多因素的高液限黏土改性剂掺量预估模型，将该模型与传统人工神经网络的预测结果进行比较，并采用现场试验验证了该模型预测结果的可靠性。【结果】结果显示：以湿法最佳含水率21%作为降水目标值是可行的，所提出基于改进BP神经网络的改性剂掺量预估模型较传统的人工神经网络预测结果更为精确。【结论】结果表明：通过该方法预测施工现场不同工况下所需石灰、水泥掺量，现场焖料后含水率和模型计算的稳定含水率均低于21%,石灰、水泥改性土填筑碾压后路堤压实度均可达到94%以上。研究成果对于高液限黏土改性剂掺量预测及路堤填筑技术具有借鉴意义。