为了研究苏锡常地区滆湖组黏性土抗剪强度特性,建立抗剪强度参数预测模型;以研究区 711 组滆湖组黏性土物理 力学试验数据为载体,运用主成分分析(principal component analysis,PCA)方法,从样本 11 个指标中提取影响目标变量的主成 分;将其作为反向传播神经网络(back propagation neural network,BPNN)模型的输入层,建立基于 PCA-BPNN 算法的滆湖组黏 性土抗剪强度预测模型。 结果表明:当主成分数量为 3 时,主成分累计贡献率达 93. 4% ;第一、二主成分贡献率分别为 52. 1% 和 36. 6% ;PCA 算法即保留了样本大部分信息,又实现了对多维变量的降维。 第一主成分可归纳为土体孔隙特性,与黏聚力 和内摩擦角均呈负相关关系;第二主成分可归纳为土体水稳性,与黏聚力和内摩擦角均呈正相关关系;土体孔隙特性越显著, 水稳性越弱,抗剪强度越低。 建立了滆湖组黏性土抗剪强度参数 PCA-BPNN 预测模型,模型抗剪强度拟合优度为 0. 85,内摩 擦角拟合优度为 0. 72;模型可靠性总体较高。 可见 PCA-BPNN 预测模型即可降低解释变量间的多重共线性,简化了模型,又 能够提升模型的泛化能力;为运用数学方法研究土体工程地质参数提供了参考。 [ABSTRACT FROM AUTHOR]