基于静力触探比贯入阻力的软土剪切波速表征模型

黄忠凯; 陈辉浩; 张冬梅; 林星涛; 谢小创

doi:10.12404/j.issn.1671-1815.2502947

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (9) :3938-3946 DOI: 10.12404/j.issn.1671-1815.2502947

建筑科学

基于静力触探比贯入阻力的软土剪切波速表征模型

黄忠凯 ¹^,² ,
陈辉浩 ²^,^* ,
张冬梅 ²^,³ ,
林星涛 ¹ ,
谢小创 ²

作者信息 +

Characterization Model of Shear Wave Velocity in Soft Soil Based on Specific Penetration Resistance of Cone Penetration Test

Author information +

文章历史 +

摘要

土体剪切波速是表征土体力学性能的关键参数,而直接测量土体剪切波速的技术要求和成本较高,但可通过建立剪切波速与静力触探比贯入阻力的相关关系,获得相对准确和经济的解决方案,实现土体参数的快速预测。因此,首先统计分析现有的剪切波速与比贯入阻力的相关关系特点,在此基础上,结合上海12个不同地区的钻探数据,提出不同土类剪切波速的回归模型,最后,采用典型评价指标分析了新表征模型的合理性和有效性。研究结果表明:现有剪切波速与比贯入阻力的相关关系无法有效预测上海地区土层的剪切波速,无法准确反映该地区土层的特性;软土地层的剪切波速与比贯入阻力及埋深的关系密切;所建立的新表征模型能够更准确地计算上海地区软土层的剪切波速,具备更高的适用性和准确性。研究结果为软土地层剪切波速的快速预测和工程应用提供了经济和有效的方案。

Abstract

Shear wave velocity (V_s) serves as a critical parameter for evaluating soil mechanical properties. Direct measurement involves stringent technical requirements and substantial costs. Establishing a correlation between shear wave velocity (V_s) and cone penetration resistance (q_c) offers a cost-effective alternative with satisfactory accuracy, enabling rapid prediction of soil parameters. Accordingly, existing correlations between shear wave velocity (V_s) and cone penetration resistance (q_c) were compiled, and their characteristic patterns were analyzed. Based on this analysis, stratum-specific regression models were developed using borehole data from 12 Shanghai sites, and the newly derived models’ validity was evaluated through typical evaluation indicators. The results demonstrate that existing V_s- q_c correlations fail to reliably predict shear wave velocities in Shanghai soils and inadequately represent regional soil characteristics. V_s exhibits strong dependence on both q_c and burial depth H. The proposed regression model achieves superior prediction accuracy in predicting shear wave velocities V_s for soft soil, demonstrating superior applicability across varied soil conditions. This study provides a cost-effective and efficient solution for rapid prediction of shear wave velocity (V_s) and its engineering applications in soft soil.

Graphical abstract

关键词

软土 / 剪切波速 / 比贯入阻力 / 回归模型 / 评价指标

Key words

soft soil / shear wave velocity / cone penetration resistance / regression model / assessment index

引用本文

引用格式 ▾

黄忠凯, 陈辉浩, 张冬梅, 林星涛, 谢小创. 基于静力触探比贯入阻力的软土剪切波速表征模型[J]. 科学技术与工程, 2026, 26(9): 3938-3946 DOI:10.12404/j.issn.1671-1815.2502947

HUANG Zhong-kai, CHEN Hui-hao, ZHANG Dong-mei, LIN Xing-tao, XIE Xiao-chuang. Characterization Model of Shear Wave Velocity in Soft Soil Based on Specific Penetration Resistance of Cone Penetration Test[J]. Science Technology and Engineering, 2026, 26(9): 3938-3946 DOI:10.12404/j.issn.1671-1815.2502947

登录浏览全文

4963

注册一个新账户忘记密码

剪切波速通常与土体的弹性模量、密实度、土体类型以及孔隙率等因素相关。剪切波速被认为是地震和岩土工程中重要的土壤特性之一^[1]。对于不同类型的土体,剪切波速的变化反映了土体的不同力学特性。土体的剪切波速是土体重要的物理和力学性质参数,直接反映了土体的刚度、强度以及对剪切应力的反应,其测量和分析对土体的力学性能评价至关重要。剪切波速可以通过多种方法进行测量,常见的方法包括:地震勘探法(面波法)、地震反射法、静力触探联合剪切波速法、原位测试。相较于其他参数指标的现场测试,剪切波速的直接测量具有一定的难度,设备要求高、测量方法复杂、易受土体条件和环境因素的影响、信号处理极具挑战以及需要较高的经济成本,因此使用不同的模型或方法来估计剪切速度是不可避免的,提出更加合理、计算精度更高的剪切波速估算方法很有必要。

国内外学者通过建立其他参数与土体剪切波速的相关性模型以实现对土体剪切波速的估计,为土体剪切波速的测量提供更为准确和经济的解决方案。王金艳等^[2]和郑萌等^[3]针对某一区域的土层剪切波速与土层深度相关性进行分析,建立土层剪切波速与土层深度的预测模型,并验证其合理性。卢大伟等^[4]则是对常规土类剪切波速与埋深经验公式进行可靠性评价。徐雨等^[5]对比分析了陆域土剪切波速与深度的经验关系式对该海域土剪切波速预测的适用性,发现二次多项式模型适用于海域砂类土,建立了基于双变量的海域黏性土剪切波速的预测模型。土层深度是影响土体剪切波速的重要因素。部分学者则是利用土层纵波速度和剪切波速之间的相关关系建立剪切波速的预测模型^[6-8]。当然,机器学习的一些预测方法也在土体剪切波速的预测中得到应用^[9-11]。然而,纵波速度量测在特殊土层中的误差相对较大,会通过模型传递影响剪切波速的预测精度,且机器学习算法对数据的依赖性较高,且样本需求量大。目前剪切波速的预测方法仍然有待研究。

对于同一地区的土层,土层的沉积环境、地质历史、土体的组成、密实度等往往具有较高的相似性,因此剪切波速具有一定的规律。以地区作为边界,得出各地区土层的剪切波速与土的其他力学指标的统计关系的思路是合理的。静力触探是一种广泛应用于岩土工程勘察的原位测试方法,其核心优势在于高效、连续、数据丰富,并能提供高分辨率的土层力学特性评价。

基于上海软土工程地质条件,现以静力触探比贯入阻力和埋深作为主要的影响因素,探究其与软土剪切波速之间的相关关系,建立不同类型土层的表征模型,同时结合现有的估算模型对所提新模型的合理性进行综合性评价,以提出适用于软土的剪切波速预测表征模型,实现对土体力学性能的快速评价。

1 上海工程地质与数据选取简介

1.1 上海地区工程地质概况

上海位于长江三角洲东缘,地势平坦,平均海拔约4 m,主要由冲积平原和河口三角洲构成。受到沉积作用影响,上海地区地质构造较为复杂,地震活动较弱。区域地下水资源丰富,地下水位较高,尤其是在市区及沿江地带。上海地区主要由第四纪沉积层组成,深层则为较为坚硬的基岩,按土质分类主要包括:填土层、松散的砂土层、黏土层和粉土层以及基岩层;软土地基广泛分布,压缩性高、强度低,易引发沉降和不均匀沉降。地震时饱和砂土可能液化,影响地基稳定性。根据工程地质条件,上海可分为东部滨海平原区、西部湖沼平原区和长江口岛屿区,其中东部软土厚度大,工程地质条件较差。工程建设需采取桩基、深层搅拌等地基处理技术,并加强地下水管理和抗震设计,以应对软土、地面沉降和地震液化等问题,确保工程安全。综上可知,上海地区的工程地质具有较为复杂的土层构成和水文条件,土体类型多样,力学特性差异大,地下水位较高。

1.2 比贯入阻力与剪切波速的实测数据集

研究区域为上海地区软土地层,为使研究更具代表性,选用上海地区12个不同位置的静力触探数据作为研究对象,即是滨江某商务区、青浦某地块、青浦区某大道、浦东新区某区间隧道、黄浦区北地块、黄浦区南地块、徐家汇某路段地块等12个位置,具体钻孔位置分布如表1所示。滨江某商务区记录的不同孔的静力触探和剪切波速量测结果图如图1 所示。

2 基于比贯入阻力的土体剪切波速表征模型的构建与分析

2.1 已有表征模型分析

比贯入阻力q_c是静力触探(cone penetration test,CPT)测试中常用的一个参数,用于描述探头在土层中推进时所受到的土体阻力,反映了土层的密实度、强度和土体的物理特性^[27]。静力触探已广泛应用在上海地区工程勘察实践中。土体的剪切波速V_s 作为土的力学指标,同样反映了土层的力学特性。q_c和V_s之间往往存在一定的经验关系。通过对地层进行静力触探所测试得到的相关值,结合剪切波速的测量数据,可以建立土层动力特性的相关性。国内外学者针对特定土层类型(一般土、黏性土、砂土),基于经验数据推导了静力触探q_c与V_s的相关表征模型,相关公式可用于估算不同土层的剪切波速度,如表2所示。

目前对于q_c与V_s的相关关系研究主要有两种,一是线性关系;二是幂函数关系,如式(1)和式(2)所示。

(1)${V}_{\mathrm{s}}=a+b{q}_{\mathrm{c}}$

(2)${V}_{\mathrm{s}}=a{q}_{\mathrm{c}}^{b}$

式中:a、b均为相关拟合常数。

公式A、B、M、O均采用线性形式,如式(1)所示,表示V_s与q_c呈简单的线性关系,即V_s随q_c的增加而线性增长。其余公式则均采用幂函数的形式,如式(2)所示,表示V_s与q_c呈非线性关系,V_s随q_c的增加呈幂函数增长。式(1)、式(2)均是由单一自变量q_c估算V_s。然而,土层深度是影响土体剪切波速的重要因素^[28]。土层的固结程度以及有效应力等随着埋深的变化而变化,会对土层剪切波速度V_s产生影响,因此现有模型对剪切波速的预测可能存在偏差。新模型明确纳入了深度的因素,从而能更好地表现埋深对土壤中剪切波速变化的物理机制。

2.2 回归分析及新公式

同一地区的土层土体的组成、密实度等具有一定的相似性,剪切波速具有一定的规律^[29-30]。选用上海地区12个不同位置的相关数据作为研究对象。考虑到上海地区工程地质条件的复杂性,地下土层的组成和物理力学性质存在较大差异。上覆的第四系土层主要由多种软土组成,其中包括软塑、可塑、硬塑的黏性土、流塑状态的淤泥质土以及密实程度不均的砂性土等。这些土层不仅在物理性质上差异较大,而且土层的厚度、分布和变异性也较为复杂。将上海地区软土地层分为一般土(包括黏性土和砂性土),黏性土(主要包括淤泥质黏土、淤泥质粉质黏土)和砂性土(主要包括砂质粉土、砂质粉土及粉细砂)3类。结合已有经验公式分析和上海地区工程地质特点,考虑剪切波速度和比贯入阻力、埋深的相关关系。不同土类的剪切波速V_s与比贯入阻力P_s 和埋深H的分布趋势采用式(3)进行拟合表达。在上海地区工程应用中,单桥静力触探的比贯入阻力P_s与双桥静力触探的比贯入阻力q_c之间的换算一般采用式(4)。

(3)${V}_{\mathrm{s}}=a{P}_{\mathrm{s}}^{b}{H}^{c}$

(4)${q}_{\mathrm{c}}=0.91{P}_{\mathrm{s}}$

式中:a、b、c均为相关拟合常数,且其取值与土的类型有关;V_s 为土层剪切波速,m/s;P_s为单桥静力触探的比贯入阻力,MPa; q_c为双桥静力触探的比贯入阻力,MPa; H为埋深,m。

在数据处理过程中,需要对那些明显不合常理的异常值进行剔除,特别是那些由于土层不均匀性或测试过程中可能发生的误差所导致的异常点。这些异常数据可能会干扰分析结果的准确性,因此必须加以筛选,确保最终所采用的数据具有较高的可靠性和一致性。结合上海地区12个不同位置的115 组土层的测量数据,利用式(3)对一般土、黏性土、砂性土3类土的数据结果回归分析,得出剪切波速与比贯入阻力和埋深之间关系式的参数a、b、c的取值,不同土类剪切波速回归拟合方程式如表3所示。拟合方程式的相关系数(R²)接近于1,拟合效果较好。基于回归方程式进行不同土体剪切波速预测,同时结合监测数据进行预测值和测量值的对比分析,绘制测量剪切波速值和拟合剪切波速值的对比图,如图2所示。可知,拟合值和监测值均处于1∶1线附近,证明拟合值与测量值相对误差较小,对于每一种土均具有较强的相关性。

3 回归分析评价

3.1 与已有表征模型对比分析

结合表2中所统计的相关学者针对不同类型土提出的相关剪切波速的表征模型,对比分析所建立的表征模型的科学性和合理性。结合表2中的表征模型, 绘制测量剪切波速值和拟合剪切波速值的对比图。

3.1.1 砂土

砂土中的剪切波速新表征模型与已有研究对比如图3所示。由图3(a)可知,数据点大致均匀分布在1∶1线两侧,这说明针对砂土的新表征模型的预测效果较好。由图3(b)和图3(c)可知,点群均整体偏离1∶1线,集中在线下方,说明该模型存在系统性误差,即是普遍低估。由图3(d)可知,中段点紧密贴合1∶1线,说明模型对中等剪切波速的预测效果较好,但极端值可靠性不足。两端离散可能因模型未涵盖全范围数据特征。综上可知,新建立的剪切波速预测模型效果最好,适用性最强。

3.1.2 黏性土

黏土中的剪切波速新表征模型与已有研究对比如图4所示。由图4(a)可知, 数据点紧密围绕1∶1线,说明所建立的黏土地层的剪切波速预测值与监测值吻合较好,新模型预测精度高。由图4(b)可知,数据点比较对称分布与1∶1线两侧,但相对发散,该模型的预测效果较差。由图4(c)~图4(f)可知,数据点分布相似,低剪切波速时数据点紧密围绕1∶1线,但随着剪切波速的增大,数据点开始偏离1∶1线,且集中在线下方,这说明在剪切波速较小时这些模型的预测结果可靠,但若速度过大,其预测误差也增大。综上可知,对于黏土,新表征模型能够较为准确地预测剪切波速,预测值与实际值几乎一致,误差较小。

3.1.3 一般性土

一般性土中的剪切波速新表征模型与已有研究对比如图5所示。由图5(a)可知,数据点密集分布在1∶1线附近,整体趋势与1∶1线高度一致,尤其是在低剪切波速至中速区间表现出色,这说明所提出的新模型具有较高的预测精度和拟合效果。由图5(b)和图5(c)可知,数据点分布相似。低剪切波速段数据点分布尚可,但高剪切波速段大多数点位于1∶1线下方。模型在低剪切波速条件下尚有一定可靠性,但随着速度增加,预测误差增大,总体表现一般。由图5(d)可知,数据点分布略分散,整体虽有一部分靠近1∶1线,但在中高剪切波波速区域仍存在显著偏离,该模型仍存在中高剪切波速段系统性低估的问题。图5(e)和图5(h)数据点分布趋势相似,数据点在整体波速范围内均偏离1∶1线,且分布较散,大多数点在1∶1线下方,存在普遍低估的问题。由图5(f)可知,低剪切波速区间表现良好,数据点靠近1∶1线,但随着波速增大,点开始上偏,误差扩大,模型存在局限。由图5(g)可知,大多数点偏离1∶1线,特别是中高剪切波速区间明显下偏,分布较为发散,该模型预测值普遍偏低,模型整体精度较差,可靠性不高。

综上可知,对于一般土,新表征模型所预测的数据点分布较为集中,均分布在1∶1线附近,且数据点的分布较为均匀。新表征模型所预测的剪切波速与测量值误差较小,新模型具有最高的预测精度,拟合效果最好。

3.2 基于评价指标的拟合效果分析

3.2.1 评价指标建立

基于上海地区的工程地质特点和已有的理论经验,提出了一种用于评价土层剪切波速V_s与埋深H、比贯入阻力P_s之间关系的表征模型。结合表2中现有文献的研究成果,将新表征模型与已有公式进行对比分析,以此来评价新表征模型的合理性和有效性。

在土层剪切波速的表征模型评价中,选取了4个评价指标:均方根误差(root mean squared error,RMSE)^[31-33]、拟合剪切波速与测量剪切波速度之比的均值和标准差的统计量(K)^[34]、排序指数(ranking index, RI)^[35]和排序距离(ranking distance,RD)^[36]。

RMSE能够量化模型预测误差的大小,直观反映拟合值与实际值之间的差异, RMSE值越小表示拟合结果越精确。表达式如式(5)所示。

(5)$\mathrm{R}\mathrm{M}\mathrm{S}\mathrm{E}=\sqrt{\frac{1}{N}\stackrel{N}{\sum _{i=1}}({y}_{i}-{\stackrel{\wedge }{y}}_{i}{)}^{2}}$

拟合剪切波速与测量剪切波速之比的均值和标准差统计量用K表示。K不仅考察拟合结果的总体准确性,还能识别出模型可能存在的系统性偏差或不稳定性,特别是在实际工程中,能有效反映模型的稳健性。表达式如式(6)所示。

(6)$K={V}_{\mathrm{s}\mathrm{c}}/{V}_{\mathrm{s}\mathrm{m}}$

RI能够检验表征模型的相对精度,表达式如式(7)所示。

(7)$\mathrm{R}\mathrm{I}=\left|{\mu }_{\mathrm{l}\mathrm{n}K}\right|+{\sigma }_{\mathrm{l}\mathrm{n}K}$

RD能够帮助判断表征模型是否能有效地反映不同土层深度下的剪切波速变化趋势,尤其在土层异质性较大或数据波动较大的情况下,排序误差的大小能够有效揭示模型的稳定性。表达式如式(8)所示。

(8)$RD=\sqrt{(1-{\mu }_{K}{)}^{2}+{{\sigma }_{K}}^{2}}$

式中:y_i为实测值;${\stackrel{\wedge }{y}}_{i}$为预测值;N为样本个数;V_sm为实测值;V_sc为预测值;μ和σ分别为所分析数据序列的均值和标准差。RMSE、K、RI和RD越小,拟合效果越好。

这4个评价指标的选择从不同角度对表征模型进行了综合检验。RMSE能够评价拟合的总体精度,K能够检测拟合结果的稳定性与偏差,RI则关注表征模型在排序上的表现,而RD能够揭示拟合结果在排序上的误差。全面考察表征模型在不同方面的表现,特别是在工程实际应用中,往往需要考虑到土层剪切波速的相对变化趋势和模型在不同情境下的稳定性,因此这4个指标提供了更加全面和多角度的评价体系。

3.2.2 评价结果分析

结合式(5)~式(8),计算可得定量评价指标均方根误差(RMSE)、拟合剪切波速与测量剪切波速度之比的均值和标准差的统计量(K)、排序指数(RI)和排序距离(RD),各个评价指标计算结果如表4所示。为更加清晰地对比RMSE、RI、RD的变化,将各种土类的相关评价值变化绘制曲线, 3种土体对比指标如图6所示。在各种土类中,新表征模型的RMSE、RI、RD值均是最小的,这说明新拟合模型的预测值与实测值的偏差最小,预测结果的相对误差水平也最小,且系统性偏差程度也最小,因此证明了新表征模型的合理性。因此,新表征模型在软黏土地区的适用性和准确性更高,可为工程地质评价和抗震设计提供更可靠的理论依据。

4 结论

基于上海土层剪切波速度和静力触探等的相关参数,研究了不同类别土体剪切波速V_s与比贯入阻力P_s 和埋深H之间的相关关系,构建了新的剪切波速表征模型并进行了实测数据验证,得到的主要结论如下。

(1)收集并分析了现有剪切波速与比贯入阻力相关关联模型,建立了剪切波速和比贯入阻力与埋深的表征模型,发现现有剪切波速V_s与比贯入阻力P_s的相关模型不适用于软土层的剪切波速预测。

(2)建立了3种土的剪切波速和比贯入阻力与埋深的表征模型。与现有模型相比,新建模型在砂土、黏性土和一般性土的剪切波速预测值与监测值吻合效果最好,且RMSE、RI和RD值均最小,其平均值分别为25.740 m/s、0.115、0.117。新建立的剪切波速预测模型效果好,适用性强。

(3)新表征模型在上海地区的适用性和准确性更高,可为工程地质评价和抗震设计提供更可靠的理论依据。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	李志恒, 谢俊举, 李柯苇, 等. 山东地区场地剪切波速经验外推模型及其适用性[J]. 地震地质, 2024, 46(4): 934-954.

[2]	Li Zhiheng, Xie Junju, Li Kewei, et al. Empirical extrapolation model of site shear wave velocity in Shandong region and its applicability[J]. Seismology and Geology, 2024, 46(4): 934-954.

[3]	王金艳, 陶小三, 王琛, 等. 盐城市城区土层剪切波速与土层深度相关性分析[J]. 防灾减灾工程学报, 2024, 44(5): 1193-1201.

[4]	Wang Jinyan, Tao Xiaosan, Wang Chen, et al. Correlation analysis of shear wave velocity and soil depth in Yancheng City[J]. Journal of Disaster Prevention and Mitigation Engineering, 2024, 44(5): 1193-1201.

[5]	郑萌, 黄月民, 梁积伟, 等. 榆林地区岩土体剪切波速与埋深的相关性分析[J]. 地震, 2024, 44(1): 78-93.

[6]	Zheng Meng, Huang Yuemin, Liang Jiwei, et al. Correlation analysis of shear wave velocity and buried depth of rock and soil mass in Yulin area[J]. Earthquake, 2024, 44(1): 78-93.

[7]	卢大伟, 孙逸涵, 刘红帅. 常规土类剪切波速与埋深经验公式的可靠性评价[J]. 吉林大学学报(地球科学版), 2024, 54(2): 546-557.

[8]	Lu Dawei, Sun Yihan, Liu Hongshuai. Reliability evaluation of empirical formulas of conventional shear wave velocity and buried depth for soil[J]. Journal of Jilin University (Earth Science Edition), 2024, 54(2): 546-557.

[9]	徐雨, 吴琪, 方怡, 等. 伶仃洋海域土剪切波速预测方法研究[J]. 防灾减灾工程学报, 2023, 43(5): 956-964.

[10]	Xu Yu, Wu Qi, Fang Yi, et al. Study on prediction method of soil shear wave velocity in Lingdingyang Sea area[J]. Journal of Disaster Prevention and Mitigation Engineering, 2023, 43(5): 956-964.

[11]	Oloruntobi O, Butt S. The shear-wave velocity prediction for sedimentary rocks[J]. Journal of Natural Gas Science and Engineering, 2020, 76: 103084.

[12]	Omovie S J, Castagna J P. Estimation of shear-wave velocities in unconventional shale reservoirs[J]. Geophysical Prospecting, 2021, 69(6): 1316-1335.

[13]	Kim J, Kim B, Cho H. Shear wave velocity estimation in Korea using P-wave seismograms[J]. KSCE Journal of Civil Engineering, 2020, 24(12): 3650-3658.

[14]	Ismail A, Azadbakht S, Rashid H M A, et al. Statistical and machine learning hybridization for predicting shear wave velocity in tight sand reservoirs: a case study[J]. Geoenergy Science and Engineering, 2023, 231: 212420.

[15]	Hazbeh O, Rajabi M, Tabasi S, et al. Determination and investigation of shear wave velocity based on one deep/machine learning technique[J]. Alexandria Engineering Journal, 2024, 92: 358-369.

[16]	Feng G, Zeng H H, Xu X R, et al. Shear wave velocity prediction based on deep neural network and theoretical rock physics modeling[J]. Frontiers in Earth Science, 2023, 10: 1025635.

[17]	Barrow C, Stokoe K H. Dynamic shear modulus and damping of sands from resonant column and cyclic simple shear tests[J]. Journal of Geotechnical Engineering, 1983, 109(7): 841-856.

[18]	Iyisan A, Ansal A. Shear wave velocity and its correlation with soil properties in Turkey[J]. Soil Dynamics and Earthquake Engineering, 1993, 12(6): 353-359.

[19]	Iyisan A, Ansal A. Correlation between shear wave velocity and cone penetration test data in sands[J]. Soil Dynamics and Earthquake Engineering, 1993, 12(5): 273-278.

[20]	Tun B. Correlation between shear wave velocity and CPT data in different soil types[J]. Geotechnical Testing Journal, 2003, 26(4): 533-541.

[21]	Madiai C, Simoni A. Geotechnical properties of soft soils and their implications for foundation design in Italy[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2004, 130(8): 1-8.

[22]	Hegazy M A, Mayne P W. Shear wave velocity and the effects of soil structure on liquefaction potential in sands[J]. Soil Dynamics and Earthquake Engineering, 2001, 21(6): 487-495.

[23]	Tong X. Correlation between shear wave velocity and CPT data in clayey soils: a study from Shanghai, China[J]. Geotechnical Testing Journal, 2017, 40(4): 789-798.

[24]	Mayne P W, Rix G J. Correlation between shear wave velocity and soil index properties[J]. Journal of Geotechnical Engineering, 1995, 121(6): 539-546.

[25]	Iyisan A. Prediction of shear wave velocity from the CPT data in fine-grained soils[J]. Journal of Soil Dynamics and Earthquake Engineering, 1996, 15(6): 353-360.

[26]	Robertson P K, Campanella R G, Stokoe K H. Use of shear wave velocity in geotechnical engineering applications[J]. Journal of Geotechnical Engineering, 1992, 118(3): 484-494.

[27]	Fear R C, Robertson P K. Interpretation of CPT and CPTU for geotechnical engineering purposes[J]. Canadian Geotechnical Journal, 1995, 32(5): 850-860.

[28]	Karray M. Shear wave velocity and CPT in assessing soil liquefaction potential[J]. Soil Dynamics and Earthquake Engineering, 2011, 31(12): 1575-1586.

[29]	Sykora P, Stokoe K H. Laboratory and in situ tests for shear modulus and damping[J]. Journal of Geotechnical Engineering, 1983, 109(7): 859-868.

[30]	Sykora P, Stokoe K H. Influence of soil properties on shear wave velocity from laboratory and in situ tests[J]. Journal of Geotechnical Engineering, 1983, 109(7): 869-877.

[31]	Iyisan A. Relationship between shear wave velocity and index properties of soil[J]. Geotechnical Testing Journal, 1996, 19(1): 55-63.

[32]	吴波鸿, 王贵和, 刘宝林, 等. 静力触探在海底土层工程性质评价中的应用研究[J]. 科学技术与工程, 2016, 16(23): 123-128.

[33]	Wu Bohong, Wang Guihe, Liu Baolin, et al. The application of cone penetration test in subsea soil geotechnical properties evaluation[J]. Science Technology and Engineering, 2016, 16(23): 123-128.

[34]	乔峰, 阮雪飞, 王亮, 等. 廊坊地区常规土类剪切波速与埋深之间的相关性[J]. 科学技术与工程, 2023, 23(15): 6549-6559.

[35]	Qiao Feng, Ruan Xuefei, Wang Liang, et al. Correlation between shear wave velocity and burial depth of conventional soils in the Langfang area[J]. Science Technology and Engineering, 2023, 23(15): 6549-6559.

[36]	蔡润, 彭涛, 罗东林, 等. 成都地区土层剪切波速与埋深的关系[J]. 地震研究, 2022, 45(3): 498-508.

[37]	Cai Run, Peng Tao, Luo Donglin, et al. The relationship between shear wave velocity of soil layer and burial depth in Chengdu area[J]. Journal of Seismological Research, 2022, 45(3): 498-508.

[38]	张肖, 张合, 云萌, 等. 雄安新区剪切波速剖面VS30估算模型研究[J]. 震灾防御技术, 2022, 17 (2): 401-408.

[39]	Zhang Xiao, Zhang He, Yun Meng, et al. Research on VS30 estimation model of shear wave velocity profile in Xiongan New Area[J]. Technology for Earthquake Disaster Prevention, 2022, 17(2): 401-408.

[40]	刘振, 樊硕, 刘思鲁, 等. 基于BOA-FRNN光谱模型的彩绘颜料浓度预测研究[J]. 光谱学与光谱分析, 2025, 45(2): 322-331.

[41]	Liu Zhen, Fan Shuo, Liu Silu, et al. Research on concentration prediction of painting pigments based on BOA-FRNN spectral model[J]. Spectroscopy and Spectral Analysis, 2025, 45(2): 322-331.

[42]	杨新湦, 游超, 朱承元. 基于Informer模型的航班延误预测[J]. 科学技术与工程, 2025, 25(19): 8282-8288.

[43]	Yang Xinyan, You Chao, Zhu Chengyuan. Flight delay prediction based on Informer model[J]. Science Technology and Engineering, 2025, 25(19): 8282-8288.

[44]	宋晓通, 卢艺玮, 师芊芊, 等. 复杂天气条件下光伏电站太阳辐射量短期预测[J]. 科学技术与工程, 2024, 24(30): 12985-12995.

[45]	Song Xiaotong, Lu Yiwu, Shi Qianqian, et al. Short-term prediction of solar radiation for a photovoltaic power plant under complex weather conditions[J]. Science Technology and Engineering, 2024, 24(30): 12985-12995.

[46]	Briaud J L, Tucker R L. Behavior of granular soils under cyclic loading[J]. Journal of Geotechnical Engineering, 1988, 114(2): 146-163.

[47]	胡启洲, 陆化普, 杨艳妮, 等. 基于信息度和排序指数的动态综合测度模型[J]. 系统工程与电子技术, 2011, 33(4): 816-820.

[48]	Hu Qizhou, Lu Huapu, Yang Yanni, et al. Dynamic comprehensive measurement model based on information degree and ranking index[J]. Systems Engineering and Electronic, 2011, 33(4): 816-820.

[49]	Cherubini F, Orr T L. An experimental study of the behavior of granular materials under cyclic loading[J]. Geotechnical Testing Journal, 2000, 23(1): 56-66.

基金资助

滨海城市韧性基础设施教育部重点实验室(深圳大学)开放基金(CURI-G202302)

国家自然科学基金(W2411044)

上海市科学技术委员会科研计划(23DZ1202806)

同济大学中央高校基本科研业务费专项资金(2024-2028)

PDF (9169KB)

访问

被引

详细

导航

Received	Published	Revised
2025-04-23	2026-03-28	2025-09-06
Online Date
2026-06-02

摘要