关键词:
高速铁路路基
级配碎石
振动压实
机器学习
不确定性理论
质量控制
摘要:
为实现高速铁路路基压实质量快速可靠的评价,基于不确定性理论提出路基全断面压实度的评估方法。首先,建立预测最大干密度ρ_(dmax)的PSO-BPNN-AdaBoost(PBA)模型,通过填料的料源参数(d_(max)、b、m、EI、LAA、W_(ac)和W_(af))快速准确地获得ρ_(dmax);其次,引入Bootstrap算法修正PBA模型,通过区间形式量化ρ_(dmax)预测过程中误差引起的不确定性;最后,开展现场试坑试验,获取现场填料的实测干密度ρ_d和料源参数,并基于克里金插值(Kriging)算法获得路基试验段全断面的ρ_d和料源参数分布,进一步通过计算得到路基全断面压实度区间评估结果。结合现场试验,将全断面压实度区间评估方法应用于西南地区某站场路基施工最优摊铺厚度的确定,克服传统填料填筑碾压质量评价中仅依赖随机点干密度测试结果作为评价标准的局限性。结果表明,ρ_(dmax)预测中的不确定性包括认知不确定性和随机不确定性,计算认知误差和随机误差的方差可以获得预测总误差的方差,从而实现ρ_(dmax)预测过程中不确定性的量化。选取置信度95%对应的参数构建填料ρ_(dmax)预测区间,此时预测区间覆盖率(Prediction Interval Coverage Probability,P_i)、平均预测区间宽度(Mean Prediction Interval Width,M_p)和覆盖宽度综合指标(Coverage Width-based Criterion,C_w)分别为100%、0.469 0 g/cm和0.469 0 g/cm~3,且预测区间可较好地覆盖填料ρ_(dmax)实测曲线。在现场碾压过程中,选取填料摊铺厚度为40~50 cm,可使路基结构压实质量达到较好的状态。研究成果提高了基于机器学习评估路基压实度结果的可靠性,并对高铁路基的压实施工提供理论指导。