一种智能响应型土工布孔隙结构预测与参数优化方法

本发明属于土工合成材料设计与性能预测，具体为一种智能响应型土工布孔隙结构预测与参数优化方法。

背景技术：

1、土工布是市政工程中应用广泛的土工合成材料，常用于道路路基、城市隧道排水、综合管廊垫层、边坡防护、垃圾填埋场防渗排水及海绵城市设施中，主要承担隔离、过滤、排水、防护和加筋等功能。现行规范通常以单位面积质量、厚度、断裂强度、顶破强力、等效孔径和垂直渗透系数等指标作为选型与验收依据。

2、然而，上述指标多为标准条件下的静态测试结果，难以反映湿度变化、覆土压力、交通荷载、细颗粒迁移及施工扰动对土工布孔隙结构和排水性能的持续影响，从而限制了对排水衰减、反滤失稳和淤堵风险的动态识别。

3、土工布过滤排水性能取决于孔隙结构与土体颗粒、水力梯度及压力状态的匹配关系。经典反滤理论要求兼顾保土性、透水性和抗淤堵性，即孔径过大易导致细颗粒流失，孔径过小则可能引起水力通道堵塞。相关研究表明，孔径分布、渗透能力、长期淤堵和现场约束条件之间存在明显耦合关系。因此，土工布性能评价不应局限于单一静态指标，而应结合服役环境和孔隙演化过程进行综合分析。

4、近年来，智能建造、传感监测和材料功能化的发展推动土工布由被动材料向可感知、可响应的功能材料转变。智能响应型土工布可通过亲水性、温湿敏或膨胀型组分调节纤维接触状态和孔隙通道，并可结合现场监测实现湿度、压力、孔压和排水流量反馈。然而，智能响应并不意味着孔径越大或响应组分越多越优。对于市政排水反滤层，过大孔径可能削弱保土性，过强湿胀响应可能降低排水能力，过厚复合结构则可能增加水流路径。因此，亟需建立能够综合描述环境荷载、材料参数与性能目标关系的预测优化模型。

5、已有研究多集中于过滤准则、淤堵机理、界面力学和耐久性评价，但面向智能响应型土工布的孔隙率、等效孔径、渗透系数和抗淤堵能力统一预测及参数优化研究仍相对不足。尤其在滨海高湿、地下水补给明显、道路荷载与排水反滤需求耦合作用的市政场景中，土工布动态孔隙演化及性能调控机制仍需进一步量化。

技术实现思路

1、针对上述现有技术中存在的问题，本发明的目的在于提供一种智能响应型土工布孔隙结构预测与参数优化方法，为智能响应型土工布在复杂多变的服役环境（尤其是高湿、高压的市政工程场景）下，科学动态地预测其关键性能指标（孔隙率、孔径、渗透性、抗淤堵性），并据此优化其材料参数（面密度、孔径、厚度、响应组分含量），以平衡排水、保土、抗淤堵等多重甚至相互制约的工程需求。

2、为了实现上述目的，本发明所采用的技术方案是：

3、一种智能响应型土工布孔隙结构预测与参数优化方法，包括以下步骤：步骤s1：获取输入变量，所述输入变量包括环境荷载参数、材料结构参数、服役状态参数和工程工况参数；步骤s2：建立孔隙-湿度-压力映射模型，所述孔隙-湿度-压力映射模型用于根据所述输入变量计算动态孔隙率、等效孔径、渗透系数和抗淤堵指数，并生成机理约束数据集；步骤s3：构建多输出预测模型，利用所述机理约束数据集对其进行训练，得到训练后的多输出预测模型；所述多输出预测模型以所述输入变量为输入，以动态孔隙率、等效孔径、渗透系数和抗淤堵指数为同步输出；步骤s4：构建多目标优化模型，将训练后的多输出预测模型作为目标函数计算器，以所述材料结构参数为设计变量，以预设的工程场景对应的环境荷载参数、服役状态参数和工程工况参数为边界条件，求解所述多目标优化模型，得到最优的材料结构参数组合；步骤s5：输出所述最优的材料结构参数组合。

4、作为上述技术方案的进一步改进：

5、所述环境荷载参数包括：相对湿度、法向压力和温度；所述材料结构参数包括：纤维面密度、初始微孔尺寸、复合层厚度和响应组分质量分数；所述服役状态参数包括：服役龄期和水力梯度；所述工程工况参数采用离散变量表示，包括防渗控制工况、高压承载工况、排水调蓄工况和综合工况，所述高压承载工况对应的法向压力范围为200～500 kpa。

6、所述步骤s2中建立孔隙-湿度-压力映射模型，具体包括：根据初始微孔尺寸、纤维面密度和复合层厚度，按下式计算基准孔隙率：

7、

8、式中，为常数项，、和分别表征初始微孔尺寸、纤维面密度和复合层厚度对基准孔隙率的贡献；和分别为初始微孔尺寸的最小工程边界和最大工程边界，和分别为纤维面密度的最小工程边界和最大工程边界，和分别为复合层厚度的最小工程边界和最大工程边界。

9、所述步骤s2中建立孔隙-湿度-压力映射模型，还包括：按下式计算湿度响应收缩项、压力压密项、结构支撑项和龄期衰减系数：

10、

11、

12、

13、

14、其中，为响应组分质量分数，为相对湿度的小数形式，为参考温度，和分别为纤维面密度和复合层厚度的归一化值，为压力归一化基准，为服役龄期，为模型设定最大龄期。为湿度线性响应系数，为湿度二次响应系数，为温度修正系数，为基准压密系数，为纤维面密度对压密敏感性的修正系数，为湿度软化效应系数，、分别为用于刻画复合层厚度支撑作用和纤维骨架密实作用的系数，为用于控制长期损伤程度的系数。

15、所述步骤s2中建立孔隙-湿度-压力映射模型，还包括：按下式计算动态孔隙率：

16、

17、其中，为孔隙率扰动项，和分别为动态孔隙率边界的最小值和最大值，为上下限截断函数，定义为：

18、。

19、所述步骤s2中建立孔隙-湿度-压力映射模型，还包括：按下式计算等效孔径和渗透系数：

20、

21、

22、其中，为响应组分湿胀后对有效通道的折减系数，为孔径扰动项，和分别为等效孔径的最小物理边界和最大物理边界；为渗流尺度系数，为压力压密对渗透能力的折减系数，为复合层厚度路径修正系数。

23、所述步骤s2中建立孔隙-湿度-压力映射模型，还包括：按下式计算排水能力指数和抗淤堵指数：

24、

25、

26、式中，为水力梯度；为初始孔径归一化值，为法向压力的最大工程边界值，～为各影响项权重，为抗淤堵指数扰动项。

27、所述步骤s3中的多输出预测模型为极端随机树模型：

28、

29、

30、式中，为集成预测函数，为随机回归树的数量，为第棵随机回归树，为第棵随机回归树对应的随机划分参数、样本扰动和特征扰动。为所述输入变量组成的特征向量。

31、所述步骤s4中的多目标优化模型的目标函数为：

32、

33、其中，为渗透系数归一化基准，为目标孔隙率，为允许孔隙率偏差尺度，为制造可行性惩罚，、、和分别为渗透能力、抗淤堵能力、孔隙稳定和制造可行性的权重。

34、所述步骤s4中求解多目标优化模型采用差分进化算法。

35、本发明的有益效果是：

36、（1）将湿度响应、压力压密、厚度支撑、龄期衰减和水力梯度作用纳入统一变量体系，建立了孔隙-湿度-压力映射模型，能够解释高湿、高压条件下孔隙收缩、孔径衰减及材料结构支撑效应。相比现行规范中仅提供标准条件下静态测试指标的选型依据，本发明可反映湿度变化、覆土压力、交通荷载、细颗粒迁移及施工扰动对土工布孔隙结构和排水性能的持续影响，从而能够动态识别和预测排水衰减、反滤失稳和淤堵风险。

37、（2）本发明构建了多输出集成学习预测模型，实现了动态孔隙率、等效孔径、渗透系数和抗淤堵指数的同步预测。该模型能够较好识别智能响应型土工布孔隙演化及水力性能变化规律，且通过置换重要性分析可识别初始微孔尺寸、响应组分质量分数、湿度、法向压力和纤维面密度等主控因素，将黑箱预测结果转化为可用于材料设计的工程判断。对于施工监测场景，该模型可用于判断孔隙结构是否进入高风险衰减区；对于材料设计场景，可用于快速筛选候选参数组合。

38、（3）提出了兼顾渗透能力、抗淤堵能力、目标孔隙率和制造可行性的多目标优化方法，实现多目标自动优化，平衡相互制约的工程需求，解决了现有技术中“智能响应并不意味着孔径越大或响应组分越多越优”的设计难题——过大孔径可能削弱保土性，过强湿胀响应可能降低排水能力，过厚复合结构则可能增加水流路径。本发明的优化函数既奖励较好的排水能力和抗淤堵性能，又惩罚偏离目标孔隙率和制造中心值的方案。在深圳下穿通道排水调蓄工程工况下，优化得到的最优参数组合（纤维面密度448.41g/m²、初始微孔尺寸186.80μm、复合层厚度2.94mm、响应组分质量分数0.146）对应动态孔隙率0.3703、渗透系数 m/s、抗淤堵指数0.5527，体现了排水能力与孔隙稳定之间的合理折中。

39、（4）通过湿度-压力响应分析表明，高湿高压区是孔隙衰减的敏感区域。对于滨海高湿市政工程，应将湿度、法向压力、排水流量和孔压变化纳入监测体系，并结合预测模型开展材料参数校核与施工过程控制。

40、（5）本发明形成了机理映射—数据学习—目标优化的完整技术链条。案例数据虽由工程场景边界和孔隙-湿度-压力映射模型扩展形成，但后续可结合室内渗透试验、梯度比试验、压缩蠕变试验及现场传感数据进一步校准，并可引入颗粒级配、泥沙浓度、循环荷载和化学腐蚀等因素，构建面向现场应用的在线更新模型。