盐城市某港区砂土液化评价体系建立

张 岩，孙树林，史雅栋，张 磊

(1.河海大学 地球科学与工程学院,江苏 南京 211100；2.国土资源部地裂缝地质灾害重点实验室，江苏 南京 210049)

盐城市某港区砂土液化评价体系建立

张 岩1，孙树林1，史雅栋2，张 磊1

(1.河海大学 地球科学与工程学院,江苏 南京 211100；2.国土资源部地裂缝地质灾害重点实验室，江苏 南京 210049)

砂土液化引起的地基土大变形是港口工程破坏的重要原因。因此，港口地区的液化判别方法选择的合理性、判别结果的准确性就显得尤为重要。针对某港区砂土液化问题，选择临界标贯击数法、Seed简化法、BP神经网络法、基于GIS的液化判别法等四种液化评价方法，进行砂土液化势评价并分析对比，建立基于GIS三维液化评价体系。结果表明：研究区15m以上砂土液化趋势较大，15m以下液化趋势较小。

砂土液化；判别方法；结果对比；评价体系

目前国内外已经有多种砂土液化判别方法，但是由于不同方法的判别依据不同，计算精度有时差别较大。基于Seed简化分析法的抗液化剪应力法，是普遍接受的砂土液化判别方法之一[1]。临界标贯击数法和静力触探试验法是在分析、统计世界各地广泛的地震液化灾害调查基础上，建立的经验准则和公式[2-3]。室内试验分析法是通过随机加载的三轴试验、振动台试验、离心机试验来模拟在地震时土的应力状态[4]。土层反应分析法是砂土液化动力分析方法的液化判别上的应用，考虑因素可以很多，材料参数和荷载参数要选择适当、合理[5]。但是对砂土液化势进行判别时，只凭借某一种方法得出液化结果具有局限性[6-7]。

本文针对盐城市某港区，选取临界标准贯入击数法、Seed简化法、BP神经网络法以及基于GIS的砂土液化评价法等四种方法进行评价对比，得到适用于本港区的液化判别评价体系，为该港区预防砂土液化引起的工程危害以及工程措施选取提供参考。

1 液化评价方法的选取

①临界标贯击数法。临界标贯击数法[8]被普遍应用在工程地质环境评价过程中。该方法考虑到了砂土液化影响因素较多且具有显著的不确定性。依据国内外对砂土液化判别概率方法的研究发展并考虑规范的延续性修订，选用了对数曲线形式来表示液化临界锤击数随深度的变化。

②Seed简化法。液化判别的简化法是由Seed和Idriss于1971年提出的，并给出了地震中循环剪应力比(CSR)的定义公式[9]。2001年10月Youd和Idriss受美国国家地震工程研究中心和国家科学基金委员会的委托，在Seed简化方法的基础上提出了NCEER判别方法[10]。

③BP神经网络法。研究人员根据以往的工程实践经验，选择标准贯入锤击数、地下水位、标贯点深度(土层深度)、上覆非液化土层厚度和地震烈度这五个变量作为基本变量，在此基础上增加或减少不同变量。研究了不同变量组合的14种BP神经网络液化判别结果准确率，来确定液化判别成功率相对较高，又简便的判别变量选取。

④基于GIS的液化判别法。基于GIS的砂土判别方法将MATLAB中的3Dkriging插值法与GIS技术以及饱和砂土液化概率评价模型结合起来，利用离散的场地地震液化评价数据结果，生成场地液化势三维模型[11]。该模型的生成是利用3Dsurfer软件得到的，且可以完成场地液化势的二维剖面或者三维切割体的自动切出。具体的工程场地地震液化势三维可视化建模流程见图1。

图1 液化势三维可视化建模流程Figure 1 Liquefaction potential 3D visualization modeling flow

2 研究区地层岩性和物性特征

根据勘测资料，场地内20m以浅发育有全新统饱和砂土(粉土)层，具体分层情况见表1，其工程地质特性见表2。

表1 场地地层

表2 地层工程地质特性

3 不同液化势评价方法评价结果对比

3.1 评价结果

3.1.1 临界标贯法和简化Seed法

收集研究区13个钻孔(图2)资料，应用临界标贯法和简化Seed法进行液化判别，结果见表3。由表3可以看出，研究区大部分地区属于轻微液化，只有局部、零星某些区域为中等液化。

3.1.2 BP神经网络评价法

本文采用三层BP神经网络对研究区液化情况进行预测，输入变量为烈度、地下水位、砂层埋深、标贯击数4个，因此输入层的神经节点数为4。对研究区的液化的数值处理可分为两个标准：液化取1，不液化取0，也就是说输出层节点数为1。对于隐层节点数的选取以2n+1(n为输入层节点数)原则为基础，即9个隐层节点数为首选，进行调整试算直到判断成功率最高，所以该网络的拓扑结构为4-9-1。训练样本30个，见表4，测试样本26个，见表5。

网络经初始化，利用函数Trainrp对网络进行训练后，网络误差平方和mse达到了目标(goal)要求，见图3。

图2 标准贯入钻孔点分布Figure 2 Standard penetration borehole points distribution

钻孔号临界标贯击数法液化指数液化等级Seed简化法液化指数液化等级EGZK020.6轻微4.06轻微EGZK0412.44中等5.78轻微EGZK0616.27中等2.83轻微EGZK0716.26中等5轻微EGZK080.2轻微3.21轻微EGZK090.45轻微4.12轻微EGZK101.01轻微4轻微EGZK134.5轻微2.9轻微ZK013.43轻微2.51轻微ZK028.44中等3.35轻微ZK030.43轻微5.94轻微ZK044.65轻微2.83轻微ZK105.93轻微2.8轻微

表4 训练样本评价指标值、实际结果和BP网络学习结果

表5 测试样本评价指标、实际结果和BP网络预报

图3 误差平方和随训练次数变化曲线Figure 3 Variation curve of error quadratic sum along with training number

从表4、表5可以看出，该模型的预测输出与实际输出误差很小，26个检验样本的预测结果与实际情况完全一致，说明针对研究区选择的变量而训练的神经网络进行液化情况的预测是可行的。

表6 预测数据及预测结果

将表6中的不同钻孔、不同深度的液化判别结果与临界标准贯入击数法的判别结果相比较，发现结果一致。但是该法只能判别出液化发生与否，无法针对液化势大小做出判别。

3.1.3 基于GIS的液化判别法

基于GIS的砂土液化评价方法，采用图2中13个钻孔样点，共计141个标贯点的液化概率分析结果作为原始离散数据，经过空间三维插值和网格化后生成的场地地震液化势三维数据模型见图4。

注：x、y为钻孔平面坐标(m)；z为标贯点深度(m)图4 场地液化势三维数据模型Figure 4 3D data model of liquefaction potential

图5、图6、图7为通过设置图层的显示状态分层显示的工程场地液化势三维模型，包括：不液化层、可液化层和液化层，液化风险程度可以单独显示，对于研究区的液化势风险三维空间分布特征做到详细直观的了解。可以看出研究区域20m以浅的大部分属于不液化层，只有较浅的少部分地区属于可能液化层和液化层。

注：x、y为钻孔平面坐标(m)；z为标贯点深度(m)图5 不液化层三维数据模型Figure 5 3D data model of non liquefaction layer

注：x、y为钻孔平面坐标(m)；z为标贯点深度(m)图6 可液化层三维数据模型Figure 6 3D data model of possible liquefaction

注：x、y为钻孔平面坐标(m)；z为标贯点深度(m)图7 液化层三维数据模型Figure 7 3D data model of liquefaction layer

3.2 结果对比分析

根据4种方法对研究区的液化评价结果发现《建筑抗震设计规范2010》中的临界标贯击数法相对于简化seed法更保守神经网络法相对于经验法，不能对整个钻孔在研究深度范围内的整体液化情况作出评价，但是可以节省大量的曲线拟合所需要的时间，通过试算得到比经验法更准确的影响因素对液化情况的贡献。得到每一个钻孔在研究深度内，对应于不同深度处液化情况。这三种方法的液化判别都只是针对离散的钻孔本身，液化评价的结果也是离散型，利用这样的数据对整个研究区做液化判别，结果随机性较大[13]。利用kriging三维插值法，根据已有离散数据插值出适量的不同位置不同深度的液化数据，增加数据密度，从而形成整个研究区域的三维液化势评价结果。

4 研究区砂土液化评价体系的建立

通过不同方法的判别结果的对比分析，对研究区砂土液化评价体系进行建立。

4.1 影响因素选取

对研究区进行液化评价的过程中所涉及到的因素有：标准贯入击数、地下水位、黏粒含量、上覆土层压力、上覆土层有效压力、地震烈度、砂层埋深、砂层厚度。

标准贯入击数N在港口和航道工程地质勘查中，可以用来确定砂土的密实程度、内摩擦角从而判断液化的可能性；而砂土的物理性质主要决定于密实度状态。

地下水的影响会使标贯实测值偏小，主要是地下水的润滑作用减小了标贯器与沙土之间的摩擦，从而使得标贯击数减小，其实质是对有效自重应力的影响。

黏粒含量主要是对土层中粉土的液化情况产生影响。粉质土中的黏粒含量越少，在循环荷载作用下孔压上升速度越快，上升的水平越高；粉质土中在罕有黏粒的情况下，循环荷载作用下的孔压难以达到围压水平。

上覆土层压力以及上覆土层有效压力；理论上讲，上覆土层厚度较大时，上覆土中有效压力越大，若使其下部砂土层液化，则需要在砂土层内部聚集较大的超静孔隙水压力以承担上覆土层质量。也就是说埋深大的饱和砂土层较埋深小的饱和砂土层难于液化。

砂层埋深对于砂土液化的影响实质与上覆土层压力以及上覆土层有效压力基本相同。

4.2 液化评价方法选取

本研究区的液化判别过程中，虽然用到了现场的标贯数据，但是不同判别方法的实质不同。seed简化法是从抗剪强度的角度来进行判别，相对于依靠有限的实测数据得到的经验公式的建筑规范中的方法更加精确。

BP神经网络法通过选取本研究区能够收集到的在液化判别过程中具有代表性的与历史上几次地震中实测液化情况所收集到的数据中相对应的影响因素，来进行研究区砂土液化判别神经网络的训练。利用此种方法虽然不能对不同深度的液化情况像建筑规范中方法一样做出定量的液化概率的评价，但是也可以对与其相对应的液化深度的液化情况做出定性的评价。该方法与上述几种方法相比，具有较强的容错性、可塑与自组织性、信息处理与存储合二为一性及层次性与系统性等特点。

本文基于GIS的砂土液化评价法，利用研究区各钻孔不同深度处离散的液化势判别结果，通过kriging三维插值得方法来对离散撒的数据进行扩充。相比以上几种方法仅仅在有限的钻孔位置处进行数据的处理，增加了整个研究区的液化势数据点。对插值后的点利用三维体视化技术进行立体化，而且随着研究区的钻孔密度的提高，该方法对于这一区域的液化势分布情况的反映效果也会随着优化，适合于未来具体工程的现场地基土勘查工作。

4.3 评价体系建立

根据液化判别影响因素和方法的选取，构建针对研究区的砂土液化判别体系。步骤如下：

(1)收集研究区钻孔的现场标准贯入实验数据，以及对应不同深度土层的土工试验数据；

(2)利用临界标贯击数法对钻孔中不同深度土层的液化情况进行判断，得出最初的液化势结果；

(3)利用seed简化法与BP神经网络法，对钻孔的液化情况再次进行判别，与临界标贯击数法的出的结果进行对比、修正。

(4)将最终得到的所有经过修正后的钻孔的液化判别结果以及每个液化判别点的三维坐标，通过kriging三维插值来利用离散数据得到相对连续的数据库，进而通过3Dsurfer来将研究区液化势的三维分布情况体现出来。

5 结论

本文对盐城市某港区的地层岩性及物性特征以及钻孔资料调查资料进行收集整理。运用临界标准贯入击数法、Seed简化法、BP神经网络液化判别法、以及基于GIS的砂土液化判别法对港区砂土进行液化势判别，得出如下结论：

(1)该港区的液化影响因素可参考标准贯入击数、地下水位、黏粒含量、上覆土层压力、上覆土层有效压力、地震烈度、砂层埋深、砂层厚度等因素；

(2)Seed简化法与判别准确率较高的BP神经网络法起到对比、修正的作用对液化情况进行再次判别；

(3)利用离散的液化结果数据经过三维插值，得到研究区空间上的液化情况，并在此基础上构建了基于GIS的3D液化势评价体系。

[1]Seed H B，Booker R.Stabilization of potentially liquefial sand deposits using gravel drains[J].Journal of Geotechnical Engineering Div，1976，102(7)：1-15.

[2]中华人民共和国住房和城乡建设部，国家质量监督检验检疫总局.GB50011-2011建筑抗震设计规范[S].北京：中国建筑工业出版社，2011.

[3]中华人民共和国建设部，国家质量监督检验检疫总局.GB50021-2001岩土工程勘察规范(2009年版)[S].北京：中国建筑工业出版社，2009.

[4]lixun Sun．Centrifuge modeling and finite element analysis of pipeline buried in liquefaction soil [D].New York：Columbia University，2001.

[5]Sasaki Y，Taniguchi E.Large scale shaking-table tests on the effectiveness of gravel grains for liquefiable sand deposits [J].Soil Dynamic&Earthquake Engineering Conference．Southatnpton Balkema，Rotter-dam，1982 (10)：843～857.

[6]王小花. 黄河三角洲饱和地基土地震液化判别综合方法研究[D].山东青岛：中国海洋大学, 2005.

[7]刘金韬, 金晓媚. 饱和砂土液化判别方法中问题浅析[J].工程地质学报, 2000，(03):379-384.

[8]中华人民共和国住房和城乡建设部，国家质量监督检验检疫总局.GB50011-2010建筑抗震设计规范[S].北京：中国建筑工业出版社, 2010.

[9]钱明. 砂土地基液化判别方法标准与比较分析[J].长江大学学报(自科版), 2016，(10):52-55.

[10]丰占海. Seed简化法在中东某项目砂土液化判别中的应用[J].西部探矿工程, 2013，(02):153-155.

[11]张拥军. 基于GIS的砂土液化可视化评价信息系统研究[D].合肥：合肥工业大学, 2004.

[12] 中国建筑科学研究院工程抗震研究所.抗震验算与构造措施(工业与民用建筑)[M].北京：中国建筑科学研究院工程抗震研究所，1986.

[13]李明霞, 李玉起, 朱登军. 基于GIS的安全系数法在区域砂土液化评价中的应用[J].华北水利水电学院学报, 2009，(02):98-100.

SetupofSandySoilLiquefactionAssessmentSysteminaHarborArea,YanchengCity

Zhang Yan1, Sun Shulin1, Shi Yadong2and Zhang Lei1

(1.School of Earth Science and Engineering, Hohai University, Nanjing, Jiangsu 211100;2.Key Laboratory of Ground Fissure Geological Hazard, Ministry of Land and Resources, Nanjing, Jiangsu 210049)

The large deformation of foundation soil induced by sandy soil liquefaction is a major causation of harbor engineering damage. Thus, rationality of harbor area sandy soil liquefaction discrimination method selection and accuracy of discriminated results are particularly important. In allusion to sandy soil liquefaction issue in harbor area, four liquefaction assessment methods of critical standard penetration, Seed reduction, BP neural network and liquefaction discrimination based on GIS are selected to carry out sandy soil liquefaction potential assessment and contrastive analysis, then set up 3D liquefaction assessment system based on GIS. The result has shown that in the study area, sandy soil above 15m has larger liquefaction potential, while below 15m lesser.

sandy soil liquefaction; discrimination method; results contrast; assessment system

10.3969/j.issn.1674-1803.2017.08.09

1674-1803(2017)08-0048-05

中国地质调查局“江苏沿海经济区地质环境调查评价”项目(1212011220005)。

张 岩(1991—)，男，山西怀仁人，硕士研究生，从事地质灾害方面的研究。

孙树林(1963—)，男，江苏建湖人，教授、博士生导师，主要从事岩石力学与工程、环境岩土工程等方面的研究。

2017-03-13

A

责任编辑：樊小舟