基于自适应LASSO的逻辑回归砂土液化判别模型

逻辑回归模型在国际上常用于地震液化判别，但该方法难以处理过多影响因素引发的共线性问题，进而严重影响模型的预测精度.能同时进行变量筛选和参数估计的自适应LASSO在处理共线性问题上有着独特的优势.因此，本研究以国内外533组历史液化案例为样本，在综合考虑地震液化多影响因素的基础上，引入自适应LASSO估计法，对逻辑回归液化判别模型进行优化，建立了基于自适应LASSO的逻辑回归砂土液化判别模型，该模型还包括了新的液化影响因素——土壤分类指数I_c,最后对重要液化影响因素进行敏感性分析.结果表明：针对因素过多的液化判别问题时，自适应LASSO逻辑回归模型可有效地选择重要因素进行建模；相比其它逻辑模型模型和简化方法，自适应LASSO逻辑回归模型精度更高，泛化能力更强；引入了新变量土壤分类指数I_c后，模型性能进一步提升，验证了建立逻辑回归液化判别模型时考虑I_c的重要性；敏感性分析发现重要影响因素的排序为：修正尖端阻值、峰值加速度、土壤分类指数、水位、细粒含量、侧壁摩阻值.