0 概述

隨著我國基礎(chǔ)建設(shè)的蓬勃發(fā)展，樁基礎(chǔ)在公路及鐵路橋梁、港口碼頭、海上采油平臺、高層建筑、重型廠房以至核電站等工程中大量采用。但由于樁基礎(chǔ)屬于地下隱蔽工程，往往會因?yàn)槭┕すに嚥怀墒臁⒌刭|(zhì)條件復(fù)雜、施工隊(duì)伍水平差、質(zhì)量量控制不嚴(yán)等因素的影響，導(dǎo)致樁基施工過程中出現(xiàn)縮頸、擴(kuò)徑、裂紋、夾泥、沉渣甚至斷樁等質(zhì)量問題，必須會影響到樁基的承載力，從而影響上部結(jié)構(gòu)的安全性。因此，在樁基施工完成后，對其樁身完整性進(jìn)行檢測成為必然，由于超聲透射法具有便捷、迅速、缺陷反映靈敏度高、缺陷檢測范圍廣等優(yōu)點(diǎn)，從而被廣泛用于樁身完整性的檢測。
目前，在現(xiàn)行的各種行業(yè)及地方樁基完整性檢測規(guī)程中，超聲透射法都根據(jù)各測點(diǎn)信號的物理量（首波聲時(shí)、幅度和頻率、波形）的變化，利用數(shù)理統(tǒng)計(jì)的方法并結(jié)合個(gè)人的經(jīng)驗(yàn)對缺陷位置、缺陷程度進(jìn)行定性判斷，然后根據(jù)規(guī)程中所列的樁身完整性類別特征，結(jié)合個(gè)人經(jīng)驗(yàn)對樁身完整性類別進(jìn)行判定。這種方法受人的經(jīng)驗(yàn)因素影響很大，其判斷的準(zhǔn)確性對檢測人員的水平依賴很大，而且也不利于檢測的自動(dòng)化、智能化，顯然已不適應(yīng)現(xiàn)代工程檢測需要。
因此，對于超聲透射法檢測基樁完整性的數(shù)據(jù)，依據(jù)現(xiàn)行的行業(yè)或地方的基樁完整性檢測規(guī)程，對樁身完整性類別進(jìn)行自動(dòng)識別具有重要意義。在北京市交通行業(yè)科技項(xiàng)目“橋梁樁基檢測自動(dòng)識別技術(shù)研究及應(yīng)用”研發(fā)過程中，我們提出了一種基于支持向量機(jī)的樁身完整性類別自動(dòng)識別方法，并對其進(jìn)行了的研究與應(yīng)用。

1研究現(xiàn)狀

利用超聲透射法對基樁完整性進(jìn)行檢測之后，必須對其完整性類別進(jìn)行判定，并告知相關(guān)單位按照判定結(jié)果進(jìn)行相應(yīng)的處置。現(xiàn)行的各種行業(yè)和地方檢測規(guī)程中，都將樁身完整性類別分為四類（見表1）；對于Ⅰ、Ⅱ類樁，是可以正常使用的；對于Ⅲ類樁，是需要進(jìn)行加固等處理并復(fù)測或經(jīng)設(shè)計(jì)驗(yàn)算后再判定是否可使用；對于Ⅳ類樁，是無法正常使用的，需要破除后重新灌注或者補(bǔ)新樁。如果樁身完整性類別判斷錯(cuò)誤，將高級別判為低級別，則會造成一定程度的浪費(fèi)；將低級別判為高級別，則會造成安全隱患，可能會導(dǎo)致上部結(jié)構(gòu)沉降或失穩(wěn)，所以提高樁身完整性類別判定的準(zhǔn)確程度具有重要意義。 對于不同的行業(yè)或地方的基樁檢測規(guī)程，對樁身完整性類別進(jìn)行判定的特征有所不同，但也有相同之處，以下分別對公路、鐵路及建工行業(yè)的檢測規(guī)程及廣東、江蘇、浙江等有代表性的地方規(guī)程中的樁身完整性判定特征進(jìn)行羅列。
表2為2004年頒布實(shí)施的交通部基樁檢測規(guī)程《公路工程基樁動(dòng)測技術(shù)規(guī)程（JTG/T F81-01-2004）》對樁身完整性判定表，表3為交通部即將頒布的新檢測規(guī)程中的完整性判定表，新的判定表更加細(xì)致，更加合理。 表4為住房和城鄉(xiāng)建設(shè)部頒布的《建筑基樁檢測技術(shù)規(guī)范（JGJ 106—2014）》中對樁身完整性判定的特征表。 表5為鐵道部頒布的《鐵路工程基樁檢測技術(shù)規(guī)程（TB 10218-2008）》中對樁身完整性類別進(jìn)行判定的特征表。 為了能夠更加科學(xué)、準(zhǔn)確地對樁身完整性分類，我們通過查閱相關(guān)的文獻(xiàn)資料，結(jié)合超聲透射法檢測樁基完整性的特點(diǎn)，我們采用機(jī)器學(xué)習(xí)方法進(jìn)行模式的識別。通過對目前應(yīng)用比較廣泛的三種機(jī)器學(xué)習(xí)方法：BP網(wǎng)絡(luò)、支持向量機(jī)（SVM）及深度學(xué)習(xí)（Deep Learing）的原理、優(yōu)劣等進(jìn)行了解與分析，最終決定在本項(xiàng)目中使用支持向量機(jī)技術(shù)。

2 支持向量機(jī)

SVM（Support Vector Machines）方法是20世紀(jì)90年代初Vapnik等人根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論提出的一種新的機(jī)器學(xué)習(xí)方法，它以結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為理論基礎(chǔ)，通過適當(dāng)?shù)剡x擇函數(shù)子集及該子集中的判別函數(shù)，使學(xué)習(xí)機(jī)器的實(shí)際風(fēng)險(xiǎn)達(dá)到最小，保證了通過有限訓(xùn)練樣本得到的小誤差分類器，對獨(dú)立測試集的測試誤差仍然較小。
支持向量機(jī)的基本思想是：首先，在線性可分情況下，在原空間尋找兩類樣本的最優(yōu)分類超平面。在線性不可分的情況下，加入了松弛變量進(jìn)行分析，通過使用非線性映射將低維輸入空間的樣本映射到高維屬性空間使其變?yōu)榫€性情況，從而使得在高維屬性空間采用線性算法對樣本的非線性進(jìn)行分析成為可能，并在該特征空間中尋找最優(yōu)分類超平面。其次，它通過使用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理在屬性空間構(gòu)建最優(yōu)分類超平面，使得分類器得到全局最優(yōu)，并在整個(gè)樣本空間的期望風(fēng)險(xiǎn)以某個(gè)概率滿足一定上界。
其突出的優(yōu)點(diǎn)表現(xiàn)在：(1)基于統(tǒng)計(jì)學(xué)習(xí)理論中結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則和VC維理論，具有良好的泛化能力，即由有限的訓(xùn)練樣本得到的小的誤差能夠保證使獨(dú)立的測試集仍保持小的誤差。(2)支持向量機(jī)的求解問題對應(yīng)的是一個(gè)凸優(yōu)化問題，因此局部最優(yōu)解一定是全局最優(yōu)解。(3)核函數(shù)的成功應(yīng)用，將非線性問題轉(zhuǎn)化為線性問題求解。(4)分類間隔的最大化，使得支持向量機(jī)算法具有較好的魯棒性。由于SVM自身的突出優(yōu)勢，因此被越來越多的研究人員作為強(qiáng)有力的學(xué)習(xí)工具，以解決模式識別、回歸估計(jì)等領(lǐng)域的難題。
基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)（SVM）是一種有堅(jiān)實(shí)理論基礎(chǔ)的新穎的小樣本學(xué)習(xí)方法，被認(rèn)為是目前解決小樣本的分類問題的最佳方法，可以不象神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)需要依賴于設(shè)計(jì)者的經(jīng)驗(yàn)知識和先驗(yàn)知識。與神經(jīng)網(wǎng)絡(luò)相比，支持向量機(jī)方法具有更堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)，可以有效地解決有限樣本條件下的高維數(shù)據(jù)模型構(gòu)建問題，并具有泛化能力強(qiáng)、收斂到全局最優(yōu)、維數(shù)不敏感等優(yōu)點(diǎn)。本項(xiàng)目的目標(biāo)——對樁身完整性類別進(jìn)行自動(dòng)識別，考慮到Ⅱ、Ⅲ、Ⅳ類樁的數(shù)據(jù)樣本非常少，屬于小樣本，所以決定在本項(xiàng)目中使用支持向量機(jī)技術(shù)。

3 樁身完整性類別識別

3.1 特征參量的提取

被測樁的樁身完整性類別根據(jù)各剖面的可疑缺陷區(qū)的分布、可疑缺陷區(qū)域測點(diǎn)的聲參量偏離正常值的程度和接收波形變化情況，結(jié)合樁型、地質(zhì)情況、成樁工藝等因素，可按照樁身完整性的特征和分類標(biāo)準(zhǔn)進(jìn)行綜合性評判。
通過對各行業(yè)及地方現(xiàn)行的基樁檢測規(guī)程中的樁身完整性類別判定特征進(jìn)行分析、歸納、總結(jié)，提取出以下幾個(gè)可行的特征參量，用于樁身完整性類別的自動(dòng)識別。
1） 樁型
對于豎向抗壓樁，按抗壓樁的荷載傳遞機(jī)理可分為：摩擦樁、端承樁、摩擦端承樁、端承摩擦樁。對于不同類型的樁，出現(xiàn)缺陷的位置不同時(shí)，可能對其承載力的影響不同，所以在判定樁身完整性類別時(shí)應(yīng)綜合考慮。用數(shù)字0、1、2、3分別代表上述四種類型的樁。

 對基地的10根模型樁及收集到的Ⅲ、Ⅳ類缺陷樁、實(shí)際工程中隨機(jī)抽取的Ⅰ、Ⅱ類樁，共200根樁進(jìn)行特征參量提取，最后得到參量文件Grade.txt，包含400組樣本數(shù)據(jù)。
手動(dòng)編輯特征參量文件，對200根樁的樁身完整性類別進(jìn)行人工識別，然后將識別結(jié)果（1、2、3、4分別對應(yīng)Ⅰ類、Ⅱ類、Ⅲ類、Ⅳ類）加到每組數(shù)據(jù)的最前面。得到參量文件格式如下：

3.2 訓(xùn)練與預(yù)測

樣本數(shù)據(jù)準(zhǔn)備好之后，接下來進(jìn)行訓(xùn)練與預(yù)測。使用不同數(shù)量的訓(xùn)練及測試數(shù)據(jù)樣本，得到的預(yù)測效果也會不同；相同數(shù)量的訓(xùn)練及測試樣本，如果使用不同的方法尋找最優(yōu)參數(shù)，或者使用不同的核函數(shù)，得到的預(yù)測效果也會不同；為此，需要對上述各種情況進(jìn)行訓(xùn)練與預(yù)測，然后對預(yù)測的效果進(jìn)行對比，從而篩選出一種尋找最優(yōu)參數(shù)的方法及最優(yōu)的核函數(shù)。
    將樣本數(shù)據(jù)中不同數(shù)量的數(shù)據(jù)提取出來作為訓(xùn)練和預(yù)測數(shù)據(jù)，利用不同的尋找最優(yōu)參數(shù)的方法，得到最優(yōu)懲罰因子及核函數(shù)的γ值，然后分別使用多項(xiàng)式核函數(shù)、徑向基核函數(shù)進(jìn)行訓(xùn)練與預(yù)測，得到不同的訓(xùn)練與預(yù)測結(jié)果，詳見表1。 1) 在多個(gè)不同數(shù)量的訓(xùn)練及預(yù)測樣本情況下，使用多項(xiàng)式核函數(shù)進(jìn)行訓(xùn)練及預(yù)測得到的準(zhǔn)確率大部分低于使用徑向基核函數(shù)進(jìn)行訓(xùn)練及預(yù)測得到的準(zhǔn)確率，也就是說，徑向基核函數(shù)更適合于對樣本進(jìn)行訓(xùn)練及預(yù)測；
2) 在多個(gè)不同數(shù)量的訓(xùn)練及預(yù)測樣本情況下，使用easy.py進(jìn)行訓(xùn)練與驗(yàn)證得到的準(zhǔn)確率與使用grid.py及徑向基核函數(shù)進(jìn)行訓(xùn)練與驗(yàn)證得到的準(zhǔn)確率相近，大多數(shù)情況下，前者要略勝一籌。也就是說，使用easy.py及徑向基核函數(shù)進(jìn)行訓(xùn)練與驗(yàn)證要稍優(yōu)。
3) 在多個(gè)不同數(shù)量的訓(xùn)練及預(yù)測樣本情況下，使用easy.py及徑向基核函數(shù)進(jìn)行訓(xùn)練與預(yù)測得到的準(zhǔn)確率均在74%~96%之間，準(zhǔn)確率偏低，可能與樣本數(shù)量太少，特別是3、4類樁的樣本數(shù)太少有關(guān)。
4) 通過觀察不同情況下訓(xùn)練與驗(yàn)證的準(zhǔn)確率平均值、差值的絕對值可以發(fā)現(xiàn)，第5種情況下平均值較大且差值的絕對值較小，是最優(yōu)的一種情況。

4 SVM樁身完整性類別識別在樁基檢測中應(yīng)用

在MFC程序中，使用訓(xùn)練得到的模型文件PileGrade.model文件，調(diào)用LibSVM中的相關(guān)函數(shù)對基樁的完整性等級進(jìn)行自動(dòng)分類。
首先由人工對基地10根模型樁及收集到的Ⅲ、Ⅳ類缺陷樁、實(shí)際工程中隨機(jī)抽取的Ⅰ、Ⅱ類樁（共200根）進(jìn)行完整性分類，然后利用程序?qū)ζ溥M(jìn)行自動(dòng)識別，分類結(jié)果見表2，表中正確率是將自動(dòng)識別的樁基數(shù)除以人工分類的樁基總數(shù)。從表中可以看出，對于Ⅰ類、Ⅳ類樁的自動(dòng)識別結(jié)果與人工分類結(jié)果比較接近，也就是正確率較高，達(dá)到96%以上，而對于Ⅱ類、Ⅲ類樁的自動(dòng)識別結(jié)果與人工分類結(jié)果相差較大，正確率較低。
1） Ⅱ類樁
圖2所示的兩根樁的部分剖面的個(gè)別測點(diǎn)的聲速、幅度低于臨界值，異常程度指數(shù)值為1或2，樁身個(gè)別測點(diǎn)存在輕微或明顯缺陷，但由于測點(diǎn)數(shù)少且不連續(xù)，故判為Ⅱ類樁。 1） Ⅳ類樁
圖4所示的MX446-2#樁的所有剖面均在多個(gè)高度位置出現(xiàn)聲速、幅度明顯低于臨界值，異常程度指數(shù)值為3的連續(xù)測點(diǎn)，樁身存在嚴(yán)重缺陷，故判為Ⅳ類樁。2-8#樁的3個(gè)剖面均在17.0~18.0m聲速、幅度明顯低于臨界值，異常程度指數(shù)為3，樁底沉渣過厚，故判為Ⅳ類樁。

5 結(jié)論

本文提出了一種使用支持向量機(jī)（SVM）分類器對聲波透射法樁基完整性檢測的樁基的完整性類別進(jìn)行自動(dòng)識別的方法。現(xiàn)行的各種行業(yè)或地方的檢測規(guī)范中，除了廣東省的《建筑地基基礎(chǔ)檢測規(guī)范（DBJ 15-60-2008）》能夠自動(dòng)判定樁身完整性類別之外，其他規(guī)范均是根據(jù)波速、波幅、波形等參量的特征進(jìn)行人為地判斷。
通過對現(xiàn)行的各種行業(yè)及地方的基樁檢測規(guī)程中的樁身完整性類別判定特征進(jìn)行分析、歸納、總結(jié)，提取出了四種（樁型、缺陷徑向分布、缺陷的深度位置及缺陷的軸向分布）共13個(gè)可行的特征參量，用于樁身完整性類別的自動(dòng)識別。
通過對200根樁身完整性類別不同的樁基的13個(gè)特征參量進(jìn)行提取與標(biāo)識，獲得了400組數(shù)據(jù)樣本，然后針對不同數(shù)量的訓(xùn)練及驗(yàn)證數(shù)據(jù)樣本、不同的尋找最優(yōu)參數(shù)的方法、不同的核函數(shù)進(jìn)行了訓(xùn)練與驗(yàn)證對比分析，最終得出在訓(xùn)練樣本數(shù)量為275時(shí)，使用徑向基核函數(shù)進(jìn)行訓(xùn)練與驗(yàn)證得到的效果最優(yōu)。后面利用訓(xùn)練得到的模型文件，編制了相應(yīng)的樁身完整性類別自動(dòng)識別軟件，對10根模型樁及190根工程樁的檢測數(shù)據(jù)進(jìn)行樁身完整性類別識別驗(yàn)證，得到每根樁的完整性類別，識別的結(jié)果與人工判斷結(jié)果基本吻合，能夠在實(shí)際工程檢測中應(yīng)用推廣。