陇东地区黄土可压缩性与物理力学指标的相关性分析及基于机器学习的可压缩系数预测

为何地面下沉关乎日常生活

在中国北方的许多地区，城镇、道路和运河建在一种风成土——黄土上。这种土壤遇水后可能发生突发性致密化，导致地面下沉并损坏建筑与基础设施。本文总结的研究以陇东地区的黄土为例，展示了如何通过简单测量结合现代机器学习，快速标识出地基可能稳定或易塌陷的区域。

城市扩张下的脆弱土体

陇东地区位于黄土高原腹地，黄土层可达数十米厚。随着调水工程、铁路和住宅等项目在此扩展，工程师需要判断土体遇水后沉降的可能性。传统的可塌陷性试验需要对大量样品进行细致的实验室测试，耗时耗力。作者收集了来自庆阳市周边建设工地的259条现场试验记录，每条记录既包含测得的塌陷量，也包括埋深、干容重、孔隙率（空隙率）、含水率及土体压缩特性等基本物理属性。

指示危险的简单土壤线索

研究者通过统计分析考察了黄土的测得塌陷量与各物性之间的关系。结果显示，描述土体空隙多少的“空隙比”与塌陷量的相关性最强。埋深也很重要：浅层在上覆压力较小的情况下更疏松、更易塌陷，而深层则自然更致密。含水饱和度和压缩性则起次要影响。通过对数千个数据点的分析，研究确定了若干实用阈值。在该区域，当黄土的空隙比较低（空隙比小于0.960）且埋深超过16米时，试验中几乎不出现有害的塌陷。

快速判定安全地基的经验规则

基于这些发现，团队提出了一条供现场工程师快速筛查的规则：若某土层同时满足空隙比低且埋深足够，则可高置信度地视为非可塌陷，从而大幅减少在该处进行详细塌陷试验的需要。将此规则在原始数据集及来自邻近场地的62个独立样本上检验时，约98%的情况下能正确识别为非可塌陷。少数误判的样本其塌陷值位于“安全”与“不安全”边界附近，反映出黄土及试验条件的自然变异性。

教计算机读懂土壤

为了超越简单经验规则，研究者还训练了计算模型，依据四个关键测量值（埋深、空隙比、含水饱和度和压缩行为）预测精确的塌陷值。他们比较了三种常用的机器学习方法——随机森林、极端梯度提升（XGBoost）和支持向量机——以及一种更简化的双参数公式。所有方法都捕捉到了主要趋势，但梯度提升模型在精度与稳定性上表现突出：无论在训练还是测试数据上，它都能与测得的塌陷值紧密匹配，并且对可塌陷与非可塌陷样本的分类准确率超过92%。

揭开预测“黑箱”

鉴于工程师需信任并理解这些预测，作者应用了一种称为SHAP的解释工具，来分析每个输入变量对模型输出的影响。解释结果确认了空隙比与埋深在预测中的主导地位：空隙比越大、埋深越浅，模型越倾向于预测更大塌陷。含水饱和度和压缩系数则表现出因案而异的细微影响。分析还指出了一种特别危险的组合：埋深约小于11米且空隙比高于1.02的土层，遇湿时尤易发生塌陷。

对黄土上建造的意义

简而言之，这项研究表明，只需少量直观的土壤测量，就能揭示在黄土上建造的安全性。基于埋深和孔隙空间的简单规则能迅速筛出极不可能发生塌陷的土层，而经过验证的机器学习模型在需要时可提供更精确的风险估计。两者结合，为陇东地区的工程师提供了一种更快速且更透明的地基规划手段，帮助减少昂贵的意外并设计出能在这种天然脆弱地基上稳固立足的结构。

引用: Liu, D., Wang, K., Bian, Y. et al. Correlation analysis between the collapsibility of loess and physicomechanical indices in Longdong region and prediction of the collapsibility coefficient based on machine learning. Sci Rep 16, 15939 (2026). https://doi.org/10.1038/s41598-026-45254-1

关键词: 黄土可塌陷性, 土力学, 机器学习, 地基工程, 陇东地区