(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111373787.2 (22)申请日 2021.11.19 (71)申请人 江苏科技大学 地址 212008 江苏省镇江市丹徒区长晖路 666号 (72)发明人 周爱兆　侯绍雯　徐浩青　胡梦狄　 徐成皓　刘刚　马帅　高林红　 李晓道　舒浙锋　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 曹坤 (51)Int.Cl. G06F 30/20(2020.01) G06F 111/10(2020.01) G06F 119/14(2020.01) (54)发明名称 一种针对VG模型的参数拟合方法 (57)摘要 本发明公开了一种针对VG模型的参数拟合 方法。 属于土 水特征曲线领域， 具体操作步骤： 分 类选取不同的初值对已知土体的吸力和含水率 的数据进行拟合， 将拟合得到的饱和含水率替换 原始初值； 将得到的饱和含水率代入初值， 将拟 合得到的经验参数n和经验参数α进行调整后设 为初值， 对已知数据进行拟合； 将得到的饱和含 水率、 经验参数n、 经验参数α和残余含 水率进行 调整后设为初值， 对已知数据进行拟合； 将得到 的拟合数值和原始值进行对比， 通过异常值检验 公式， 对原始数据中的异常值进行识别。 本发明 基于上述算法确定的参数初始值， 可使拟合更加 高效， 得到的参数值更接近真实值。 本发明为土 水特征曲线的拟合提供参考， 使更高效、 精确地 进行参数优化。 权利要求书3页 说明书8页 附图2页 CN 114117766 A 2022.03.01 CN 114117766 A 1.一种针对VG模型的拟合初值确定方法， 其特 征在于， 具体实现步骤如下： (1)、 根据不同土的分类， 选取VG模型中饱和含水率θS、 经验参数n、 经验参数α和残余含 水率θr四个参数的初值， 对已知土体 的吸力水头h和体积含水率θ 的数据进行拟合， 从而得 到饱和含水率θS、 经验参数n、 经验参数α 和残余含水率θr的拟合值， 将初值中的饱和含水率θS用得到的饱和含水率θS拟合值进行替换， 保持其他三个参数 的初值不变， 后再进行拟合； 直至第N+1次的饱和含水率拟合值与第N次的饱和含水率拟合 值之差的绝对值小于0.0001， 且第N +1次的拟合优度与第N次的拟合优度之差的绝对值小于 0.0001； (2)、 将步骤(1)中最终进行拟合得到的饱和含水率θS、 经验参数n和经验参数α 的拟合值 替换步骤(1)中选取的三个对应参数的初 值， 保持残余含水率θr的初值不变， 对已知数据进 行拟合， 直至第M+1次的经验参数n的拟合值与第M次的经验参数n的拟合值之差的绝对值小 于0.002， 直至第M+1次的经验参数α 的拟合值与第M次的经验参数α 的拟合值之差的绝对值 小于0.0000001， 且第M+1次的拟合优度与第M次的拟合优度之差的绝对值小于 0.00001； (3)、 将步骤(2)最终进行拟合得到的饱和含水率θS、 经验参数n、 经验参数α和残余含水 率θr的拟合值替换步骤(1)中选取的四个对应参数的初 值， 对已知数据进行拟合， 直至第i+ 1次的残余含水率θr的拟合值与第 i次的残余含水率θr的拟合值之差的绝对值小于0.0001， 且第i+1次的拟合优度与第i次的拟合优度之差的绝对值小于 0.000001； (4)、 将步骤(3)最终进行拟合得到的拟合数值和原始值进行对比， 通过异常值检验公 式， 对原始数据中的异常值进行识别。 2.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(1)中， 所述不同土的分类共分为四大类， 包括普通土体、 砂土类、 粘土类和混凝 土类； 所述普通土体包括粘壤土、 壤土、 粉砂 及粉壤土； 所述砂土类包括壤质砂土和 和砂； 所述粘土类包括粉质粘土、 粉质粘壤土和砂质粘土； 所述混凝 土包括塑性混凝 土和混凝 土。 3.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(1)中， 所述土体的饱和含水率θS初值根据低转速下的体积含水率确定， 取最低 转速下的体积含水率 为饱和含水率θS的初值、 且保留四位有效数字； 其中， 所述普通土体的残余含水率θr、 经验参数n和经验 参数α 的初值分别为0.01、 1.4和 0.001； 所述砂土类的残余含水率θr、 经验参数n和经验参数α 的初值分别为0.01、 2.2和0.0 01； 所述粘土类的残余含水率θr、 经验参数n和经验参数α 的初值分别为0.01、 1.1和0.01； 所述混凝土的残余含水率θr、 经验参数n和经验参数α的初值分别为0.001、 1.5和 0.00001。 4.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(2)中， 所述的经验参数n保留四位有效数字设置为下一次拟合初值； 所述经验 参数α 保留三 位有效数字设置为下一次拟合初值。 5.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于，权　利　要　求　书 1/3 页 2 CN 114117766 A 2在步骤(3)中， 所述的参与残余含水率θr保留一位有效数字设置为下一次拟合初值。 6.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(1)、 (2)及(3)中， 所使用的VG模型如下 所示： 其中， θ为体积含水率； h为压力水头； θr为残余含水率； θs为饱和含水率； α和n为经验参 数。 θ和h为已知参数； θr、 θS、 α 和n为待定参数。 7.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(1)(2)及(3)中， 针对VG模型， 使用MATLAB中lsqcurvefit的拟合方法对已知数 据进行拟合。 具体设置包括初值的设置、 待定参数上下限的设置、 lsqcurvefit拟合函数的 使用， 具体的拟合代码如下： param0＝[0.0 0001,1.5,0.0 01,0.3050]； lb＝[0,1,0,0]； ub＝[5,5,1,1]； param＝lsqcurvefit('curvefun' ,param0,h_data,theta_data,lb,ub,opti ons) param0为初值设置； 中括号内按照前往后的顺序， 依次为VG模型中经验参数α、 经验参 数n、 残余含水率θr和饱和含水率θS； lb和ub分别为下限设置和上 限设置。 中括号内按照前往后的顺序， 依次为经验参数α、 经验参数n、 残余含水率θr和饱和含水率θS； param为经验参数α 、 经验参数n、 残余含水率θr和饱和含水率θS的拟合值； lsqcurvefit为MATLAB中基于最小二乘法的内置拟合方法； curvefun 为待拟合的具体函数， 此处函数为VG模型。 8.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(1)(2)及(3)中， 所述拟合优度用于度量拟合曲线对于原始数据拟合效果的好 坏， 其公式如下 所示： 其中， R2表示拟合优度， y表示待拟合的数据， 表示y的均值， 表示拟合数据。 9.根据权利要求1所述的一种针对VG模型的拟合初值确定方法， 其特 征在于， 在步骤(4)中， 所述的异常值检验公式如下 式中， ei为修正误差贡献率， θi为第i次的体积含水率， 为经过第一步至第三步拟合的 第i次的预测体积含水率， η为第i次的修 正系数；权　利　要　求　书 2/3 页 3 CN 114117766 A 3