狄圣杰，汪明元，张昆，杜文博，徐学勇

（1.中国水电顾问集团华东勘测设计研究院有限公司，浙江 杭州 310014；2.浙江大学滨海和城市岩土工程研究中心，浙江 杭州 310058；3.浙江华东建设工程有限公司，浙江 杭州 310028）

江苏近海地层原位剪切波速相关特性及预测方法研究

狄圣杰1，2，汪明元1，张昆3，杜文博1，徐学勇1

（1.中国水电顾问集团华东勘测设计研究院有限公司，浙江 杭州 310014；2.浙江大学滨海和城市岩土工程研究中心，浙江 杭州 310058；3.浙江华东建设工程有限公司，浙江 杭州 310028）

剪切波速测试是原位勘测常用且有效的技术之一，其测试成果可用于分析场地土层动力学特性。海洋地层测试条件恶劣，在某些情况下对剪切波速的预测分析尤为重要。为了研究海洋地层精确的剪切波速预测方法，结合江苏近海及潮间带的剪切波速原位测试成果，总结和对比分析了剪切波速预测方法，评判了剪切波速的变化特性和与土体物理力学指标的统计关系。基于广义回归神经网络（GRNN）方法，通过剪切波速与土体各参数的统计关系，建立了剪切波速与土体各物理力学指标的非线性映射关系，进行了剪切波速的预测分析，得到了较好的预测结果。

海洋地层；剪切波速；相关特性；GRNN；预测分析

1 引言

剪切波速可较好地反映场地土的动力特性，是土层动力反应中不可缺少的重要参数，亦为判别饱和土液化的重要依据，被广泛地应用于工程实践中。国内外学者在剪切波速预测和应用方面进行了大量的有益探索和研究。

Ohta和Goto［1］研究了土体剪切波速与土体物理力学参数之间的回归关系，并进行了工程评价和应用；Mayne和Rix［2］在天然黏性土层中进行了原位测试，总结了静力触探锥尖阻力和剪切波速的相关性；Hardin和Drnevich［3］基于测试的剪切波速研究了地基土的动剪切模量，并对应用于工程设计的相关公式和规律曲线进行了总结；Paoletti等［4］基于亚得里亚海近海岸静力触探（CPT）测试数据，建立锥尖阻力、相对密度及剪切波速的关系，进行了砂性土剪切波速的预测分析；Mandar等［5］针对印度洋沿岸不同区域海相黏土进行了原位测试和室内土工试验，将剪切波速和土体压缩指标和强度指标进行了相关性分析；张宇辉等［6］评价了土石混合介质中石料间隙土剪切波速规律，对砂土、粉质黏土、低液限黏性土3种土样的土体和土石混合体试件进行了不同含水率、不同含石量情况下试件剪切波速对比试验，可通过石料间隙土剪切波速评价混合料压实程度；刘红帅等［7］研究了常规土类剪切波速和测试深度的关系，并进行了综合评价和分析；潘国富等［8］对我国海域一些典型海底浅表层沉积物样品进行了剪切波速室内测试，获得了较有价值的研究数据，为海洋地层剪切波速研究提供了指导。

目前，剪切波速与岩土体各指标关系研究已取得了不少成果，但对于海洋土剪切波速测试及预测的研究工作报道较少。海洋地层原位测试条件恶劣，海域潮大流急，兼受风浪影响，在某些情况下，当无法进行原位剪切波速测试时，可根据土体物理力学特性和其他测试指标进行预测分析，估算出工程中认可的勘测信息，总结和发展其相应关系和评价方法，可一定程度上解决海上勘测面临的问题。根据该区域工程地质条件，选取江苏海域4个典型场地进行了原位剪切波速测试及土工试验成果分析，运用优化算法对剪切波速预测方法进行研究。

2 原位剪切波速测试

江苏如东、东台近海、潮间带等区域拟建风电场工程项目，对4个建设场区进行了工程地质勘测，包括剪切波速、原位静力触探测试、标准贯入测试及取样的室内土工试验。4个工程建设场区包括东台海上风电场场区（No.1）、如东潮间带场区（No.2）、如东海上升压站场区（No.3）和如东风电场场区（No.4）。近海风机及工程测试点地图位置如图1所示。4个工程场区在地貌上属于南黄海潮间带、滩涂地貌单元，场区平均水深约5 m。场区上部第四系沉积物厚度达350 m左右，以下为第三系地层半固结粉砂、砂砾（厚度约480 m），下伏基岩。勘探深度范围的第四系沉积物，上部粉土、粉砂等为全新世滨海、浅海相沉积，下部粉质黏土、粉土、粉土夹薄层粉质黏土、粉砂、粉细砂等为晚更新世河口-滨海相沉积。

考虑海上作业的经济性和适用性，剪切波测试采用单孔悬挂式测井法，应用XG-I悬挂式剪切波测井仪，如图2所示，该仪器不需要地表激发装置，主要由主机、井中悬挂式探头及连接电缆、信号电缆、触发电缆等组成，具有分时采样，迭加、滤波、信号增强、抑制噪声以及现场实时计算、显示实测波形和测试结果等功能。悬挂式波速测井仪采用井内激发，井内接受的模式，用电磁震源垂直于井壁作用一瞬时冲击力，在井壁地层中产生质点振动，检波器接受剪切波振动信号并转换为电信号，传输至计算机，采用互相关方法自动计算剪切波在两道检波器间传播的时间差，将其中心点深度作为深度记录点，所测剪切波速已反映了被测点实际波速。

图1 风电场及测试点位置示意图

由于液态和气态抗压不抗剪，故剪切波速不在液态和气态中传播，只在固态中传播，这也是使用剪切波速作为海洋地层勘测的主要有效手段之一。在海洋工程测试时，控制了测试高程，即可避免海洋波浪潮流对测试结果的影响，可保证测试数据准确、可靠。该仪器测试简便、速度快、精度高且不受地面环境影响，在港口码头工程、海洋岩土工程及地质工程中已得到广泛应用。

根据不同土层对研究数据取均值，可代表其物理力学特性的平均水平，同时考虑到海洋地层厚度分布不均，各土层厚度亦以钻孔揭露层厚取均值，取值标准满足各测试信息的相互吻合。

3 剪切波速预测方法

剪切波速预测分析方法，最常见是建立场地土剪切波速Vs（m／s）和土层深度H（m）的经验关系，包括线性回归方法［公式（1）］、多项式回归方法［公式（2）］和幂函数回归方法［公式（3）］，其中幂函数回归公式亦是规范推荐方法［9］，另有几种方法相组合的形式进行分段拟合［10］，

图2 XG-I悬挂式波速测井仪

式中，a、b、k均为待定系数。以如东潮间带场区（No. 2）为例，经过对比分析，该场区4个钻孔原位剪切波速测试值随深度变化关系幂函数拟合效果较好，整体复相关系数为0.881，反映了原位测试结果的一种规律统计，可以代表在该潮间带场区剪切波速随深度变化的整体规律性。同时可以看出，经验系数a范围为76.266～97.889，b范围为0.326 1～0.366 1，整体拟合曲线的经验系数a、b为86.973和0.343 2，在各个钻孔曲线经验系数范围之内，钻孔3曲线与整体曲线的经验系数误差最小，如图3所示。

图3 剪切波速沿深度拟合曲线

由于剪切波速是土体物理力学特性的反映，与土体埋深的相关性只是表象，它本质上与土体物理力学特性和赋存环境密切相关，该方法只考虑场地土的深度影响，未涉及到影响剪切波速的土层本身性质，具有较大的区域性和局限性。

另一种方法即基于室内试验统计，建立的考虑土体部分物理力学参数和剪切波速的数学关系，比较有代表性的是Hardin和Mandar等［3，5］考虑土体孔隙比e、有效自重应力σ、土体密度ρ与剪切波速Vs的复合关系：

Vs＝［A·f（e）·（σ）n／ρ］0．5，（4）式中，f（e）＝（B-e）2／（1＋e）为孔隙比e的函数，A、B和n为区域性经验参数，其中B一般假定为2.973。该方法考虑了影响剪切波速的土体物理力学参数因素，较上一类方法有本质区别，且有效自重应力σ（为有效重度r′和埋深H的乘积）中亦包含了土层深度的影响，涵盖了上一种方法，由于影响剪切波速的因素较多，该方法仍未考虑全面。

汪闻韶［11］总结了影响土体剪切波速的因素，主要与土的种类、组构状态、物理力学性质、有效应力状态等方面有关；Tabari等［12］利用在岩体中测试得到的压缩波速、密度及伽马射线数据等指标，通过BP神经网络方法快速地预测了剪切波速，得到了可靠的结论，为本文研究方法提供了思路和依据。

以No.2测试样本为例，进行了剪切波速和静力触探测试（CPT）数据、压缩模量、含水量等参数的拟合分析，发现之间具有良好的相关性，如图4所示，故该类物理力学指标同样是影响剪切波速的因素。

图4 剪切波速与土体物理力学指标关系

另外，根据所归纳海洋地层标贯击数N与剪切波速Vs的关系［13-15］，同时进行上述4个测试场区Vs与N的对比分析，发现相关性较好，如图5所示。

图5 剪切波速与标准贯击数关系

不同区域Vs与N非统一的关系，但其表现的整体规律性类似，Vs随着N增大而增大，而增幅逐渐减小。由于剪切波无法在水中传播，即只在土骨架颗粒及其接触面进行传播，说明土体压缩密实至一定程度后，随着有效自重压力的增大土颗粒接触面积亦有一定程度的增加，但剪切波速增幅变缓，反映了剪切波速愈大，贯入时需要更大的能量，故Vs与N之间亦存在着密切关系。

考虑到影响剪切波速分布的地层中各指标因素，基于人工神经网络通过建立影响剪切波速的地层物理力学参数和原位测试指标之间非线性的映射关系，可对剪切波速进行预测分析。

4 GRNN预测方法及对比

广义回归神经网络（Generalized Regression Neural Network，GRNN）是一种新颖的前馈式网络，它具有一个径向基网络层和一个特殊的线性网络层，网络优势在于不需要重复训练，网络建成的同时训练即为完成，网络的训练过程即为确定光滑因子（spread）的过程，且在网络数据稀少时效果也较好，能够收敛于样本量聚类较多的优化回归面［16］。

GRNN结构中唯一确定的变量为光滑因子spread，对于spread的选择，采用交叉验证方法评估模型的预测能力，如式（5）所示，即在一定的spread范围内，以一定步长递增变化，在学习样本中留下一个

式中，E为序列的均方误差，ei为输出误差，Xi是第i个样本对应的输入向量，Yi（Xi）是第i个样本的预测值，Yi是样本值，n是样本个数。

故基于GRNN算法，整理4个工程场地（No.1～4）土层各测试参数及物理力学指标，包括测试深度H、颗粒比重Gs、孔隙比e、含水量w、密度ρ、压缩模量Es、标贯击数N、静力触探侧摩阻力fs及锥尖阻力qc，作为输入样本，其散点随深度分布如图6所示。考虑到各指标量级的差异性，为了得到较好的预测效果，网络训练前应进行归一化处理，将输入输出向量正则化处理，使其值落入［0，1］，计算完毕后对结果数据进行还原，按式（6）和（7）进行转换。

式中，Xi为原始输入值，X′i为归一化后的网络输入值，Ypi为在［0，1］之间的预测值，Yi为预测值的还原值，Vmin和Vmax分别为样本中向量的最小值和最大值。

考虑到GRNN优良的分类聚类网络性能，引入影响剪切波速的土性特性因素，对于粉质土、砂性土等无黏性土由0表示，对于黏性土由1表示，土性随土层深度中点的分类如图7a所示，训练好的网络会自动将不同类土分类聚类，以作为影响剪切波速的输入样本之一，当时输入的测试土性为0时，已训练网络会自动按照无黏性土的特性进行识别，充分考虑了土性的权重影响。剪切波速随深度散点分布，如图7b所示，作为输出样本。

由于No.3样本数量较少，以此作为检验样本，以No.1、No.2和No.4中各物理力学指标和土性作为网络训练的输入样本，剪切波速作为网络训练的输出样本。根据图6和图7，共构建了340个训练输入样本（对应不同土层的物理力学指标和土性分类），目标输出样本为34个（对应不同土层的剪切波速均值）。归一化后通过GRNN建立其非线性映射关系，样本作为估计样本，用剩余的样本采用构造的GRNN对估计样本仿真，对所有样本都遍历一次，得到预测值与样本值间的误差序列，将误差的序列均方误差值E作为网络的评价指标，将最小误差对应的spread作为最终的网络所选值。spread的确定过程隐含了网络性能的验证过程，符合了整体偏差最小原则，是可信的。通过式（5）优化spread为0.053，再以No.3中的各土层物理力学指标和土性作为测试样本，可得到No.3的剪切波速预测值。

为了对比及检验模型的预测能力，按式（4）建立预测模型（公式预测），预测模型建立的标准同GRNN一致，以No.3作为检验样本，以其余测点样本代入式（4），其区域性经验参数A和n优化得到为740和0.73。

图6 所测剪切波速散点分布

图7 土性分类及所测剪切波速散点分布

两种预测方法结果与实际测试值进行对比，发现由于GRNN预测模型中考虑了较为全面的土层参数，预测结果与实际值较为接近，表现出了较好的预测性能，而公式预测值在剪切波速170～290 m／s范围内误差较大，同时将剪切波速测试值、预测值与深度进行拟合对比，如图8所示，均表现出了良好的相关性，显示出模型预测能力的优劣，GRNN预测法在测试深度范围内误差相对较小，公式预测法20～40 m深度范围内偏离真值较大。

值得一提的是，由于GRNN具有较强的函数拟合和逼近能力，其对样本依赖性强的特点使得选取具有代表性的训练样本数据是非常重要的，在GRNN统计训练样本时，对于离散程度较大的样本进行了剔除，以减少误差或“噪声”对其预测精度的影响，但两种预测方法所用的标准应当一致，其预测分析才有可比性。

另外，如该方法应用于软黏土地基剪切波速预测，还需增加考虑软黏土的结构性及固结状态等方面因素的影响，可增加建立超固结比OCR及触变性等指标随深度变化等指标，建立更为全面的预测网络。

5 结论

江苏如东、东台近海海洋地层主要以粉质土、砂性土等无黏性土层为主，该场地土地震液化问题重要，场地的原位剪切波速测试必不可少。对该区域4个场区原位剪切波速进行了测试，探讨了影响剪切波速的因素和预测方法。

（1）单纯的建立剪切波速与埋深关系并不能反映土层的物理力学特性影响，具有较大的局限性；而考虑土层的密度、有效自重应力及孔隙比建立的预测公式，虽一定程度上能够反映出剪切波速的主要分布规律，但未将影响剪切波速的因素考虑全面。

（2）剪切波速与土的种类、组构状态、物理力学性质、有效应力状态有关，经过统计分析，该海域地层剪切波速还同静力触探侧摩阻力、锥尖阻力、含水量、压缩模量、标贯击数及土性分类等指标有对应关系，这些物理力学指标均与剪切波速相关性较好，均为影响剪切波速分布的因素。

图8 No.3剪切波速预测值与测试值对比

（3）依据广义回归神经网络算法，基于3个场区测试成果，包括东台海上风电场场区、如东潮间带场区和如东风电场场区测试成果，建立了海洋土剪切波速与其影响指标的非线性映射关系，以如东海上升压站场区测试成果作为检验样本，并进行了公式预测方法的对比分析，结论表明GRNN预测效果较好。

［1］Ohta Y，Goto N.Empirical shear wave velocity equations in terms of characteristics soil indexes［J］.Earthquake Engineering and Structural Dynamics，1978，6（2）：167-187.

［2］Mayne P W，Rix G J.Correlations between shear wave velocity and cone tip resistance in natural clays［J］.Soils and Foundations，1995，35（2）：193-194.

［3］Hardin B O，Drnevich V P.Shear modulus and dampingin soils：design equations and curves［J］.Journal of Soil Mechanics and Foundation Engineering，ASCE，1972，98（7）：667-692.

［4］Paoletti L，Hegazy Y，Monaco S，et al.Prediction of shear wave velocity for offshore sands using CPT data-Adriatic sea［C］／／2nd International Symposium on Cone Penetration Testing，Huntington Beach，CA，USA，2010：1-8.

［5］Mandar P K，Anjan P，Singh DN.Application of shear wave velocity for characterizing clays from coastal regions［J］.KSCEJournal of Civil Engineering，2010，14（3）：307-321.

［6］张宇辉，张献民，程国勇.土石混合介质中石料间隙土压实度剪切波速评价研究［J］.岩土工程学报，2011，33（6）：909-915.

［7］刘红帅，郑桐，齐文浩，等.常规土类剪切波速与埋深的关系分析［J］.岩土工程学报，2010，32（7）：1142.

［8］潘国富，叶银灿，来向华，等.海底沉积物实验室剪切波速度及其与沉积物的物理性质之间的关系［J］.海洋学报，2006，5（28）：64-68.

［9］中华人民共和国建设部.GB50191-93：构筑物抗震设计规范［S］.北京：中国计划出版社，1995.

［10］战吉艳，陈国兴，刘建达.苏州城区深软场地土剪切波速与土层深度的经验关系［J］.世界地震工程，2009，25（2）：11-17.

［11］汪闻韶.土工地震减灾工程中的一个重要参量—剪切波速［J］.水利学报，1994（3）：80-84.

［12］Tabari K，Tabari O，Tabari M.A fast method for estimating shear wave velocity by using neural network［J］.Australian Journal of Basic and Applied Sciences，2011，5（11）：1429-1434.

［13］Hasancebi N，Ulusay R.Empirical correlations between shear wave velocity and penetration resistance for ground shaking assessments［J］.Bulletin of Engineering Geology and the Environment，2007，66：203-213.

［14］Seed H B，Idriss I M，Arango I.Evaluation of liquefaction potential using field performance data［J］.Journal Geotechnical Engineering，1983，109（3）：458-482.

［15］Sykora D W，Koester J P.Correlation between dynamic shear resistance and standard penetration resistance in soils［M］／／Von Thun J L，Earthquake Engineering and Soil DynamicsⅡ：Recent Advances in Ground-Motion Evaluation.Geotechnical Special Publication，1988.

［16］Specht D F.A general regression neural network［J］.IEEE Transactions on Neural Network，1991，2：568-576.

Study on related features and prediction method of in-situ shear wave velocity of offshore stratum in Jiangsu Province

Di Shengjie1，2，Wang Mingyuan1，Zhang Kun3，Du Wenbo1，Xu Xueyong1

（1．HydroChina Huadong Engineering Corporation，Hangzhou 310014，China；2．Research Center of Coastal and Urban Geotechnical Engineering，Zhejiang University，Hangzhou 310058，China；3．Zhejiang East China Construction Project Co．，Ltd，Hangzhou 310028，China）

Shear wave in-situ testing is one of the techniques that are commonly useful and effective.The test results can be used for the analysis of soil dynamics.The testing conditions of marine stratum are bad，and in some cases for shear wave velocity prediction is particularly important.In order to study on precise prediction method of shear wave velocity of marine stratum，according to the Jiangsu offshore and intertidal shear wave velocity testing results，the shear wave velocity prediction methods are summarized and evaluated.The statistical relationships between shear wave velocity characteristics and physical-mechanical index of soil are analyzed.Based on the generalized regression neural network（GRNN）method，according to the statistical relationship，the nonlinear mapping relationship between physical-mechanical indexes of the soil and shear wave velocity tested is established.The prediction of shear wave velocity is analyzed and studied.It shows that the good prediction results can be obtained through the method.

marine stratum；shear wave velocity；related features；GRNN；prediction analysis

TU41

A

0253-4193（2014）03-0127-07

2013-06-14；

2013-08-05。

国家自然科学基金（41101519）；浙江省博士后科研项目二类择优资助（BSH1302013）；中国水电顾问集团重大科技项目资助（GW-KJ-2011-18）；华东勘测设计研究院科技项目（KY2013-02-09）。

狄圣杰（1984—），男，山东省菏泽市人，博士后，工程师，从事岩土体参数方面的测试及分析研究。E-mail：blurtout＠163.com

狄圣杰，汪明元，张昆，等.江苏近海地层原位剪切波速相关特性及预测方法研究［J］.海洋学报，2014，36（3）：127—133，

10.3969／j.issn.0253-4193.2014.03.014

Di Shengjie，Wang Mingyuan，Zhang Kun，et al.Study on related features and prediction method of in-situ shear wave velocity of offshore stratum in Jiangsu Province［J］.Acta Oceanologica Sinica（in Chinese），2014，36（3）：127—133，doi：10.3969／j.issn.0253-4193.2014.03.014