本文是一篇土木工程论文，本文通过一系列岩石物理力学试验、冻融循环试验、崩解与裂隙发育试验，及裂隙冻融开裂机理讨论、机器学习模型预测裂隙率、模型对比等理论研究工作，综合分析红层泥岩在冻融循环条件下的崩解规律和裂隙发育特征并提出最优机器学习预测模型。
1 绪论
1.1研究背景及意义
红层泥岩广泛分布于我国西南、西北部地区，众多铁路、公路干线都经过红层分布区。红层泥岩是一种工程性质较差的特殊软岩，相较于通常所见到的坚硬岩石如花岗岩、砂岩等在其力学性质和变形特性方面有较大区别。处于自然界中的红层泥岩在外界条件诸如雨雪天气等影响下较为容易的发生侵蚀风华变形和破碎现象，自然界中的水分、空气等通过红层泥岩的表面进入岩石内部引发破坏。红层泥岩在岩石分类上属于软岩，岩石抗压强度低，工程性质不稳定。红层泥岩具有特殊的物理力学性质，表现为红层泥岩遇水出现的膨胀性与蠕变特征，进而引发开裂与崩解。红层泥岩通常生成时代较新，内部矿物之间胶结物含量低，仅能承受低强度应力环境，若同时受到地表环境中湿度、温度、太阳辐照耦合作用下风化效应，强度进一步的降低，极易引起相关的工程灾害。近年来工程界也逐渐重视起来由红层泥岩给工程实践带来的诸多问题，尤其是膨胀变形和崩解对工程造成的安全隐患问题[1]。
在自然条件下，季节变化、大气降雨、河流水库水位升降等自然原因引起地下水位的反复波动，导致依托红层泥岩开展的工程处于和水结合-分离的状态[2]。此状态的红层泥岩易引起建筑基础沉降、边坡开裂崩塌、隧道底鼓、路基上拱等工程问题，对工程建筑的稳定与安全造成不利因素。在大量铁路、公路建设实践中，红层地区公路修建过程易诱发坡体塌滑等地质灾害。例如全长47.27km 的云南元磨高速公路，沿线大量分布云南滇西红层风化层，全线 349 处路堑边坡在施工过程中发生了大量边坡失稳灾害。红层风化层病害包括了古滑坡复活、堆积层顺层滑坡、楔形体滑坡和重力失稳型滑坡,红层是各类地层中最容易产生滑坡的地层[3]。
...........................
1.2国内外研究现状
1.2.1岩石崩解性研究
红层泥岩的崩解性指其在大气环境下由整体渐渐变为破碎颗粒的特征，对把控红层边坡的工程性质和红层边坡的灾害防控有一定的工程意义。付业扬等[4]研究了干湿循环作用下崩解泥岩的微观结构及吸水特性，发现孔隙体积和孔隙率随干湿循环作用持续增加，六次后趋于稳定。刘凤云等[5]研究了不同含水量和多种水热试验工况下红层软岩的崩解特征和微观机理，试验结果表明红层软岩宏观形貌演变与微观结构变化存在对应关系，崩解与初始含水量及水热效应联系密切。综上，水和红层泥岩崩解性的联系密切。
红层泥岩崩解的发生与水的侵入有较大的关系，相关研究将崩解机理进行了分类。Terzaghi等[6]得出了水侵入岩石内部引发的渗透压力促成崩解行为的结论。刘长武等[7]泥岩崩解软化是微观结构与微孔隙的的宏观反映，细小岩粒的吸附水膜增厚造成胶结物软化溶解，从而引起岩石崩解与体积膨胀。杨建林等[8]认为泥岩在饱水过程中产生的微孔隙受到楔裂压力影响，孔隙压力作用下扩展贯通为裂纹从而导致岩石崩解。苏天明等[9]将崩解过程分为干裂收缩、岩石结构重造和风化剥落阶段，指出岩石原有微结构的破坏是崩解的前提。柴肇云等[10]认为泥岩的崩解性与矿物组分、孔裂隙结构相关，膨胀矿物遇水引发差异膨胀导致崩解，对于无膨胀矿物岩石，裂隙水挤压产生的超张应力导致崩解出现。
............................
2 研究区概况
2.1区域地形特征
本研究中的红层泥岩样品取自于隶属徽成盆地区域的成县，成县与东北方向毗邻徽县，东南方向毗邻陕西省略阳县。成县幅隶属于秦岭-祁连-昆仑造山系，为我国中央造山带中段的重要组成部分，处于古亚洲构造域、特提斯构造域和滨太平洋构造域复合叠加的构造区域[58]，现今成县构造明显受到以上三大构造域相互作用的影响。
成县地处秦岭山区腹地，主要为徽成盆地河谷及阶地区，海拔高度处于1030~2620m之间，相对高差300~1200m。河谷地区地形开阔，地形较缓。秦岭山区总体呈东西方向展开分布，植被茂密，山势陡峭，地形相对高差大。
土木工程论文怎么写
....................
2.2区域地质构造特征
研究区域在加里东期俯冲-碰撞造山作用之后，开始了碰撞期后的板内伸展裂陷沉积作用和南北向逆冲推覆、隆升造山作用，形成中秦岭造山带，造就北西西-南东东向为主导的构造格架[58]。构造中的造山运动经历复杂的构造变形和叠加置换，形成错综复杂的构造变形样式，显示出自晚古生代-三叠纪的板内伸展，到晚三叠世-新生代的陆内叠覆造山等一系列地质演化过程[58]。
成县的地质构造相对较为简单，主要处于南秦岭三叠纪断陷盆地及南秦岭古生代陆缘裂谷带两个构造单元内，北方区域上以岷县-宕昌-江洛逆冲推覆断裂为主。在印支期以来的逆冲推覆造山过程中出现剧烈构造变形，形成褶皱与逆冲断层分割叠置的逆冲推覆构造[59]。成县中南部地区构造变化样式存在明显差异，分界断裂为鸡峰山逆冲推覆构造前缘断裂，平面呈弯曲的弧形，自西向东经过田家坝-鸡峰山一线，受后期北东向走滑断裂的改造，在观音岩一带呈向北东凸出的“岛”状，形成反“S”型构造界面。
地质构造演化过程存在四个阶段：（1）在华力西期，在近南北拉张作用加强，槽盆向西迁移，区域中部隆起成陆，形成一些北西方向的宽缓褶皱；（2）在印支期，研究区域乃至整个西秦岭地区，强烈的逆冲推覆造山作用，使地壳发生褶皱回返，发生区域性深大断裂强烈活动。产生了全区的以鸡峰山逆冲推覆构造为代表的大规模近东西向逆冲断层-褶皱系统，奠定了研究区域的构造基础[60]；（3）在燕山期，在南北向挤压作用下的地壳活动频繁，反时针平推平移断层发育，形成叠加褶皱和新断裂构造；（4）在喜山期持续的俯冲挤压应力加持下，形成剧烈的山体抬升和盆地沉降，造就当今西秦岭山系地貌。
............................
3 徽成盆地红层泥岩物理力学性质试验 ...................... 15
3.1 红层泥岩的取样 .................................. 15
3.2 红层泥岩物理力学性质试验 ............................ 15
4 冻融循环条件下红层泥岩崩解特性研究 ...................... 23
4.1 冻融循环条件下的红层泥岩崩解试验 ................... 23
4.1.1 试验方案与步骤 .................................... 23
4.1.2 试验结果分析 ....................... 24
5 冻融循环下红层泥岩裂隙发育特征研究 ........................... 39
5.1 浸水条件下红层泥岩裂隙发育特征试验 ......................... 39
5.1.1 试验设计 ............................... 39
5.1.2 试验方法 .............................. 40
6 基于机器学习的红层泥岩裂隙率预测
6.1机器学习算法简介
6.1.1随机森林（RF）与支持向量机回归（SVR
（一）随机森林。
随机森林算法隶属于机器学习中的集成学习大类，其基本架构为将众多弱学习分类器构成一个集合，从而形成一个预测能力优秀，精度高的强集成学习算法。随机森林能够同时胜任分类和回归这两种机器学习任务，分类任务应用于离散数据集的种类预测，例如分类某个集合中的多类型数据，回归任务应用于连续数据集的未来数据预测，例如预测未来几天内的股市价格波动。
决策树作为一种弱分类器，充当了构成随机森林的基本单元，当大量决策树被集成为一个强学习器集合，就构成了随机森林[81]。决策树作为随机森林的基础，是一种树形递归结构，由内部结点、叶结点和向边组成，每个结点代表了一个目标值，向边表示数据特征选择特征空间的历程，从输入到输出过程中的所有叶结点代表了每层划分空间的特征值。通常来说，随着划分过程的进程，最优的决策树输出分支节点要保持一致，即所有输出节点的分类或回归性一致。如果需要决策树的分支节点具有广泛性的多输出，可施加决策树的“剪枝”操作。剪枝算法包含损失函数loss function，简化已生成的向边和叶结点，实现决策树的动态递归规划，当向边选择的特征空间不可划分时，决策树的生成结束[82]。
其结构如图6-2所示，条件问题作为根结点，从顶端分裂条件“树枝“，每一条“树枝”即向边都指向一个新的叶结点，表示了按照数据特征选择的特征空间，所有的叶结点都与目标特征值相关[83]。在决策树的动态递归过程中，每组向边和叶节点完成一次特征选择划分与预测，根据前一层叶结点的不同预测输出获得后一层的对应分支，当输入数据集特征不可划分选择时，递归历程结束。
土木工程论文参考
.............................
7 结论与展望
7.1结论
本文研究西北地区区域气候特征下，不同冻融循环条件对红层泥岩裂隙演化特征的影响。通过一系列岩石物理力学试验、冻融循环试验、崩解与裂隙发育试验，及裂隙冻融开裂机理讨论、机器学习模型预测裂隙率、模型对比等理论研究工作，综合分析红层泥岩在冻融循环条件下的崩解规律和裂隙发育特征并提出最优机器学习预测模型，主要结论概述如下：
（1）不同冻融循环条件下红层泥岩崩解规律。
冻融循环对红层泥岩的崩解性存在显著的增强作用，随着冻融循环次数的增加，红层泥岩的崩解率逐渐增加，总崩解率从冻融四次第二组的80.16%增加至冻融二十次第六组的94.55%，远高于未冻融对照组的55.42%。不同冻融次数的红层泥岩在崩解规律上存在不同，未冻融组在崩解循环初期崩解率小。随着崩解循环增加不断增加，冻融组呈现相反的规律，崩解循环初期的崩解率处于高水平，随着崩解循环增加而降低，冻融次数越多的试验组，崩解率高开低走的趋势越明显。
（2）三个指标的适用性分析及基于逻辑回归模型的泥岩崩解特性。
通过崩解率、崩解物颗粒分形维数以及冻融崩解指数，用数据表现出冻融循环次数影响下的崩解规律，并通过拟合的方式评价三个指标，决出的最优评价指标是冻融崩解指数，全面反映因冻融的崩解特性变化。以质量为基准建立了逻辑回归模型，能够较好的验证与评估崩解试验中的崩解率趋势。
参考文献（略）