为了实现冻土的应力-应变关系的准确预测，研究采用遗传算法（GA）、思维进化算法（MEA）和麻雀优化算法（SSA）对反向传播（BP）神经网络的初始权重和阈值进行优化。以温控三轴试验中冻土的温度、围压和轴向应变3个主要参数为输入，以其轴向应变所对应的偏应力为输出，建立了基于3种优化算法优化的BP神经网络预测模型。结果表明，MEA对于BP神经网络模型的优化性能最佳；MEA-BP均方根误差最小，预测值和实际值的拟合度（R2）接近于1,能够有效地对冻土的应力-应变关系进行预测。

为获得超低温冻土抗压强度预测模型,探究超低温状态下冻土的物理性质及力学性质的变化,对含水率19%, 22%, 25%和28%的低液限黏土土样进行-180°C～-10°C的单轴压缩强度试验,并测量-80°C～-10°C土样的未冻水含量,建立基于WOA-BP神经网络和BP神经网络的预测模型,探究含水率、温度、未冻水含量与超低温冻土抗压强度关系.预测结果表明:含水率、温度、未冻水含量与超低温冻土抗压强度存在复杂的非线性关系,特别是在-180°C～-80°C区间内,现有的线性拟合公式已无法准确预测该区间内冻土抗压强度;基于WOA-BP神经网络预测模型的整体预测效果较好,其绝对误差平均值为1.167 MPa,相对误差平均值为7.62%, BP神经网络预测模型的绝对误差平均值为8.462 MPa,相对误差平均值为47.99%.基于鲸鱼优化算法的BP神经网络预测模型预测误差明显小于BP神经网络预测模型及线性拟合值,更接近实测值.该预测模型具有较高精确度,能有效解决超低温冻土抗压强度与其影响因素间复杂的非线性关系,可为人工冻结技术在地层应急工程中的应用提供参考.

土壤温度是陆面过程中地-气系统间能量与物质交换的重要参数,它的动态变化及其对气候变化的响应也是研究陆面过程的关键问题之一。在全球变暖背景下,研究青藏高原多年冻土活动层土壤热状况动态变化,对深入了解高原活动层厚度的变化特征及下垫面的热力作用均有重要意义。利用BP神经网络模型,对青藏高原风火山地区的地表温度进行了模拟,并利用输出的地表温度驱动FEFLOW模型对研究区活动层不同深度土壤温度进行了模拟。与各深度土壤温度观测值对比发现,均方根误差介于0.09～1.78℃,纳什效率系数介于0.86～0.98,模拟效果良好。结合BP神经网络模型和FEFLOW模型预测了研究区未来50年活动层热状况的动态变化过程,结果表明:在0.02、0.048、0.07℃·a-1三种升温情景下,50年后研究区活动层厚度将分别增加19.4、51.8、64.7cm,土壤升温幅度随着深度的增加逐渐减小。同时发现,随着气温不同程度的升高,土壤开始融化的时间在不断提前,开始冻结的时间则不断延迟,这种规律随着土壤深度的增加而减弱,但不同深度土壤冻融过程对气温升高的响应差异却随着增温速率的增大而逐渐减小。

目前,基于BP神经网络法进行冻土路基变形预测的可行性和有效性仍少有学者对其进行研究。运用MATLAB编制BP神经网络程序,并应用于青藏铁路预测路基变形的工程实例。在此基础上,又采用COMSOL有限元软件的多场耦合模块分析了同一路基的变形场、水热场。通过对比两种方法,验证了前者的科学性和有效性。进而提出了一种新的可靠度计算方法(INNRS法),这种方法将神经网络法和响应面法有机结合起来,只需一次迭代即可形成较准确的功能函数,使得计算可靠指标的效率大大提高。应用INNRS法,对路基变形的可靠度指标和失效概率进行了评价。

以提高季节性冻土区农业冬春储水灌溉质量为研究目的,基于田间冻土入渗试验资料,建立了以冻融土壤基本理化参数为输入变量,Kostiakov累积入渗量模型参数为输出变量的BP预测模型。所建参数模型对入渗系数K和入渗指数α预测值的平均相对误差在4%以下,在可接受范围之内。结果表明,选择土壤黏粒量、体积质量、体积含水率、地表土壤温度和灌溉水温作为冻融土壤入渗参数BP预报模型的输入因子是合理的,建立的冻融土壤入渗参数BP预报模型是可靠的。

根据青藏公路多年冻土区路基监测断面下获得的温度时间序列资料,通过小波多分辨分析,采用db6小波函数将该非平稳温度时间序列分解为多个高频分量序列和一个低频分量序列,分别运用时间序列的自回归滑动平均混合(ARMA)模型和BP神经网络模型进行建模和预测,最后将各个模型进行组合形成冻土温度的预测模型。与单用滑动平均混合模型或BP神经网络对原始温度时间序列进行建模预测相比,该方法具有较小的模拟误差和预测误差。结果表明小波分析方法预测多年冻土区路基下土体的温度是合理可行的,并且具有较好的精度和稳定性。

人工冻结法已作为苏州地铁连通道施工的辅助工法之一,但目前尚缺乏与设计配套的苏州地区冻土强度归一化参数,以人工神经网络为基本工具,利用其强大的非线性映射能力,综合考虑温度、含水率、干密度等影响因素指标对苏州地铁典型冻土抗压强度的影响,建立了抗压强度预测模型。结果表明,BP网络具有较高的求解能力,预测值与实测值接近,其精度远高于其他方法,且简单实用,这为获取试验中无法实现的参数值提供了新的途径。

在青藏铁路冻土路基现场实测资料的基础上,用改进的BP神经网络建立起了路基变形与地温、路基高度和上限之间的非线性映射。对某一典型路基第30年的变形进行了预测,结果显示路基的累计融沉量在冻胀量的两倍以上。从绘制的路基变形过程曲线可以很清晰地看出路基一年中的变形趋势和冻胀融沉区间。在4月份以后,路基的变形由冻胀向融沉转变,变形与地温有很好的正比关系,但是当地温升高到一定值时,路基的融沉量便不再随着地温的升高而增大。路基的冻胀与地温的关系也有相似的规律,说明地温对路基变形的影响存在一个比较明显的区间,在这个区间范围内的温度对路基变形的影响较大,这为控制路基的病害提供了一个比较有价值的信息。