第六节  本章小结

　　本章主要是利用了多元线性回归和神经网络的方法，对室内配比试验成果进行了分析，并得到如下认识：

　　波速与各因素都有相关性，而且对抗压强度的关联性最强，可建立两者之间单一因素相关关系式。

　　由于含水量、孔隙度和饱和度之间的共线性程度相当严重，笔者认为在分析对抗压强度的影响过程中，三者取其一考虑也许较合适。原则上三种因素的选取都是可行的，但根据以往的工程经验和工程惯例，又符合技术人员的习惯，可取工程物理意义明确和操作性强的因素—含水量作为考虑因素。

　　干密度这一因素在回归模型中与其他多种因素有不同程度共线性，而且其回归趋势杂乱，对目标变量的贡献规律性难以捉摸，在回归分析中引入干密度将是不明智的。但它对抗压强度的影响作用，从研究水泥土的加固机理可以知道，其作用是不可忽视的。因此，本文试图通过改进计算方法的手段来评价干密度的影响，由此引入了BP神经网络的计算方法。

　　针对水泥土室内配比试验，在设计阶段，引入了随机化区组设计思想来较好的控制因自变量的变异性引起的试验剩余误差；在数据分析阶段，通过建立多元线性回归模型讨论了各因素对目标函数的敏感程度以及因素彼此间的相关性，并对模型进行了方差分析和共线性诊断，最后利用残差分析来度量模型的适合性。在以上结论的基础上，对各因素的影响情况采取了进一步的研究，根据工程经验、前人成果和数据自身特点，推导了一些经验公式，希望能适用于工程实践。

　　为了使本研究工作更好的应用于工程实际，在以下几个方面应有所突破。首先，在试验设计时采取拉丁方设计也许是更明智的选择，因为对本次试验而言，变异性来源有两个以上，也就是说，通过拉丁方设计可以从两个以上方向系统的区组化，引入两种以上的随机化约束来减小试验剩余误差。其次，在数据分析阶段，由于各因素对抗压强度的影响是非线性的，而用多元线性回归模型来拟合将直接导致了回归精度较低，而且由于回归方法本身的局限性，对样本量少、离散程度较大的因素分析，缺乏有效的手段。鉴于目前的研究水平还未能从理论上建立各因素对目标变量的数学表达，同时因素彼此之间内在联系的描述也难以令人信服，本文利用神经网络模型所具有的特性，希望解决回归模型难以或不能解决的问题，更好的反应事物的客观规律性，对工程技术的提高和改进有所帮助。

　　BP神经网络模型应用于室内配比试验成果分析，在样本量较少的情况下，试验结果难以分析的情况下，能较好反应出各种影响因素与抗压强度之间的内在规律性，在合理描述变量之间的影响关系的同时，也在降低试验成本、减少工程投资、提高模式识别能力方面效果显著。

　　根据两种分析结果结果知，控制粉喷桩的水泥土抗压强度，主要在于控制掺入比、含水量和干密度的大小；波速与抗压强度有相当好的相关关系，提供了一种较好的检测水泥土强度的手段。

　　结合此次试验来看，神经网络合理应用于工程实践，将具有计算方法简单、结果精度高、经济效益显著等特点，其方法本身极具推广价值。

　　就多元线性回归和神经网络而言，这两种计算方法本身并无优劣之分。由于回归分析方法的历史悠久，理论体系严密，计算方法丰富，已经为人们掌握并广泛的应用于实际工程中；神经网络作为一种新生事物，虽然发展还不完善，计算手段相对抽象，但其解决复杂问题的能力相对较强，应用范围广泛，必将在工程实践中发挥越来越大的作用。