Геомаркетинг » О КЛАССИФИКАЦИИ ГРУНТОВ ПО ДАННЫМ СТАТИЧЕСКОГО ЗОНДИРОВАНИЯ

DOI: 10.25296/1993-5056-2019-14-4-6-23

ПРИОБРЕСТИ ПОЛНУЮ ВЕРСИЮ за 250 руб.

“Инженерная геология”, том XIV, № 4/2019

О КЛАССИФИКАЦИИ ГРУНТОВ ПО ДАННЫМ СТАТИЧЕСКОГО ЗОНДИРОВАНИЯ

Болдырев Г.Г., Идрисов И.Х.

Болдырев Г.Г., Идрисов И.Х., 2019. О классификации грунтов по данным статического зондирования. Инженерная геология, Том ХIV, № 4, с. 6–23, https://doi.org/10.25296/1993-5056-2019-14-4-6-23.

В работе представлен анализ известных методов классификации грунтов с использованием параметров статического зондирования CРТ, CPTU: лобовое сопротивление, силы трения и поровое давление, измеряемое в основании конуса. Одним из наиболее распространенных, основанных на CPT, методов оценки типа грунта является диаграмма, предложенная в 1986 г. П.К. Робертсоном (P.K. Robertson) с коллегами, основанная на лобовом сопротивлении конусного зонда qс и коэффициенте трения Rf. Несмотря на то, что за прошедшие годы предложены новые диаграммы на основе нормализованных параметров и другие, первая диаграмма Робертсона, основанная на qс и Rf, широко применяется на практике, потому что она проста и может использоваться в режиме реального времени при статическом зондировании. Исследования, выполненные различными авторами, указывают на то, что известные классификационные диаграммы не могут обеспечить точный прогноз типа грунта на основе свойств грунтов, а скорее могут служить ориентиром в типе механического поведения грунта: сыпучий или связный. Корреляции между составом грунта и механическими свойствами не просты, особенно в переходных зонах от одного типа к другому, что приводит к вероятности неправильной классификации грунта с использованием известных диаграмм СРТ-классификации. Для учета подобной вероятности в ошибке классификации грунта используются методы статистической оценки, методы нечеткой классификации и нейронные сети, которые учитывают неопределенность в корреляции между составом грунта и механическим поведением и в какой-то степени устраняют недостатки. На примере практической классификации грунтов по данным статического зондирования CPT показана возможность совмещения метода Робертсона и классификационной системы грунтов РФ.

1. Болдырев Г.Г.,2017. Руководство по интерпретации данных испытаний методами статического и динамического зондирования для геотехнического проектирования. OOO «Прондо», Москва.
2. Болдырев Г.Г., Барвашов В.А., Шейнин В.И., Каширский В.И., Идрисов И.Х., Дивеев А.А., 2019. Информационные системы в геотехнике – 3D-Геотехника. Геотехника, Том ХI, № 2, с. 6–27, https://doi.org/10.25296/2221-5514-2019-11-2-6-27.
3. Рыжков И.Б., Исаев О.Н., 2010. Статическое зондирование грунтов. АСВ, Москва.
4. Abu-Farsakh M.Y., Zhang Z., Tumay M., Morvant M., 2008. Computerized cone penetration test for soil classification: development of MS-Windows software. Journal of the Transportation Research Board, Vol. 2053, Issue 1, pp. 47–64, https://doi.org/10.3141/2053-07.
5. Begemann H.K.S., 1965. The friction jacket cone as an aid in determining the soil profile. Proceedings of the 6th International
Conference on Soil Mechanics and Foundation Engineering, Montreal, Canada, 1965, Vol. 1, pp. 17–20.
6. Bhattacharya B., Solomatine D.P., 2006. Machine learning in soil classification. Neural Networks, Vol. 19, Issue 2, pp. 186–195,
https://doi.org/10.1016/j.neunet.2006.01.005.
7. Douglas B.J., Olsen R.S., 1981. Soil classification using electric cone penetrometer. Proceedings of the Conference on Cone Penetration Testing and Experience, Saint Louis, USA, 1981, pp. 209–227.
8. Eslami A., Fellenius B.H., 1997. Pile capacity by direct CPT and CPTu methods applied to 102 case histories. Canadian Geotechnical Journal, Vol. 34, No. 6, pp. 886–904, https://doi.org/10.1139/t97-056.
9. Fellenius B.H., Eslami A., 2000. Soil profile interpreted from CPTu data. Year 2000 Geotechnics, Proceedings of the Geotechnical Engineering Conference, Bangkok, Thailand, 2000, pp. 27–30.
10. Ghaderi A., Shahri A.A., Larsson S., 2019. An artificial neural network based model to predict spatial soil type distribution using piezocone penetration test data (CPTu). Bulletin of Engineering Geology and the Environment, Vol. 78, No. 6,pp. 4579–4588, ttps://doi.org/10.1007/s10064-018-1400-9.
11. Jefferies M.G., Davies M.P., 1991. Soil classification by the cone penetration test: Discussion. Canadian Geotechnical Journal, Vol. 28, No. 1, pp. 173–176, https://doi.org/10.1139/t91-023.
12. Kurup P.U., Griffin E.P., 2006. Prediction of soil composition from CPT data using general regression neural network. Journal
of Computingin Civil Engineering, Vol. 20, No. 4, pp. 281–289, https://doi.org/10.1061/(ASCE)0887-3801(2006)20:4(281).
13. Olanloye D.O., 2014. An intelligent system for soil classification using unsupervised learning approach. International Journal
of Computer Applications, Vol. 105, No. 11, pp. 21–27.
14. Olsen R.S., Mitchell J.K., 1995. CPT stress normalization and prediction of soil classification. Proceedings of the International
Symposium on Cone Penetration Testing, Linköping, Sweden, 1995, Vol. 2, pp. 257–262.
15. Ramsey N., 2002. A calibrated model for the interpretation of cone penetration tests (CPTs) in North Sea Quaternary soils. Offshore Site Investigation and Geotechnics “Diversity and Sustainability”, Proceedings of the International Conference, London, UK, 2002,
pp. 341–356.
16. Robertson P.K., 1990. Soil classification using the cone penetration test. Canadian Geotechnical Journal, Vol. 27, No. 1, pp. 151–158, https://doi.org/10.1139/t90-014.
17. Robertson P.K., 2009. Interpretation of cone penetration tests — a unified approach. Canadian Geotechnical Journal, Vol. 46, No. 11, pp. 1337–1355, https://doi.org/10.1139/T09-065.
18. Robertson P.K., 2016. Cone penetration test (CPT)-based soil behaviour type (SBT) classification system — an update. Canadian Geotechnical Journal, Vol. 53, No. 12, pp. 1910–1927, https://doi.org/10.1139/cgj-2016-0044.
19. Robertson P.K., Campanella R.G., Gillespie D., Greig J., 1986. Use of piezometer cone data. Use of In Situ Tests in Geotechnical
Engineering, Proceedings of the “In SITU’86” Specialty Conference, Blacksburg, Virginia, USA, 1986, pp. 1263–1280.
20. Sanglerat G., Nhiem T.V., Sejourne M., Andina R., 1974. Direct soil classification by static penetrometers with special friction sleeve. ESOPT-I, Proceedings of the 1st European Symposium on Penetration Testing, Stockholm, Sweden, Vol. 2.2, pp. 337–344.
21. Schneider J.A., Hotstream J.N., Mayne P.W., Randolph M.F., 2012. Comparing CPTU Q-F and Q-Δu2/σv0 ′ soil classification charts. Géotechnique Letters, Vol. 2, Issue 4, pp. 209–215, https://doi.org/10.1680/geolett.12.00044.
22. Schneider J.A., Randolph M.F., Mayne P.W., Ramsey N.R., 2008. Analysis of factors influencing soil classification using normalized piezocone tip resistance and pore pressure parameters. Journal of Geotechnical and Geoenvironmental Engineering, Vol. 134, Isuue 11, pp. 1569–1586, https://doi.org/10.1061/(ASCE)1090-0241(2008)134:11(1569).
23. Tonni L., Simonini P., 2013. Shear wave velocity as function of cone penetration test measurements in sand and silt mixtures. Engineering Geology, Vol. 163, pp. 55–67, https://doi.org/10.1016/j.enggeo.2013.06.005.
24. Tumay M.T., Abu-Farsakh M.Y., Zhang Z., 2008. From theory to implementation of a CPT-based probabilistic and fuzzy soil
classification. From Research to Practice in Geotechnical Engineering, pp. 259–276, https://doi.org/10.1061/40962(325)5.
25. Vos J.D., 1982. The practical use of CPT in soil profiling. ESOPT-II, Proceedings of the 2nd European Symposium on Penetration Testing, Amsterdam, Netherlands, 1982, pp. 933–939.
26. Zhang Z., Tumay M.T., 1999. Statistical to fuzzy approach toward CPT soil classification. Journal of Geotechnical and Geoenvironmental Engineering, Vol. 125, Issue 3, pp. 179–186, https://doi.org/.10.1061/(ASCE)1090-0241(1999)125:3(179).

БОЛДЫРЕВ Г.Г.*
ООО «НПП “Геотек”», г. Пенза, Россия, g-boldyrev@geoteck.ru
Адрес: ул. Центральная, д. 1Н, г. Пенза, 440068, Россия
БОЛДЫРЕВ Г.Г.*
ООО «НПП “Геотек”», г. Пенза, Россия, g-boldyrev@geoteck.ru
Адрес: ул. Центральная, д. 1Н, г. Пенза, 440068, Россия

Engineering Geology World Vol. XIV, No. 4/2019

ABOUT CLASSIFICATION OF SOILS BY CONE PENETRATION TEST

Boldyrev G.G., Idrisov I.Kh.

Boldyrev G.G., Idrisov I.Kh., 2019. About classification of soils by cone penetration test. Engineering Geology World, Vol. XIV, No. 4, pp. 6–23, https://doi.org/10.25296/1993-5056-2019-14-4-6-23.

The paper presents an analysis of well-known soil classification methods using the parameters of static penetration test CPT, CPTU: tip resistance, sleeve friction and pore pressure measured at the shoulder. One of the most common CPT-based soil type estimation methods is the chart proposed by P.K. Robertson et al. in 1986, based on the tip resistance qc and the friction coefficient Rf. Despite the fact that over the years, new diagrams based on normalized parameters and others have been proposed, the first Robertson diagram based on qc and Rf is widely used in practice because it is simple and can be used in real time during static penetration test. Studies performed by various authors show that the well-known classification charts cannot provide an accurate prediction of the type of soil based on the properties of soils, but rather can serve as a guideline in the type of mechanical behavior of the soil: noncohesive or cohesive. The correlation between soil composition and mechanical properties is not simple, especially in transition zones from one type to another, which leads to the probability of incorrect soil classification using well-known CPT-classification charts. To take this probability into account in the soil classification error, statistical estimation methods, fuzzy classification methods and neural methods are used, which take into account the uncertainty in the correlation between soil composition and mechanical behavior and to some extent eliminate the disadvantages. Using the practical classification of soils according to static penetration test CPT as an example, the possibility of combining the Robertson method and the classification system of soils of the Russian Federation is shown.

soil classification cone penetration test soil behavior type classification charts рrobabilistic method comparison of various methods

1. Boldyrev G.G., 2017. Manual for static and dynamic soil testing data interpretation for geotechnical design. "Prondo" LLC, Moscow. (in Russian)
2. Boldyrev G.G., Barvashov V.A., Sheynin V.I., Kashirsky V.I., Idrisov I.Kh., Diveev A.A., 2019. Information systems in geotechnical
engineering — 3D-geotechnics. Geotechnics, Vol. XI, No. 2, pp. 6–27, https://doi.org/10.25296/2221-5514-2019-11-2-6-27.(in Russian)
3. Ryzhkov I.B., Isaev O.N., 2010. Cone penetration testing of soils. ASV, Moscow. (in Russian)
4. Abu-Farsakh M.Y., Zhang Z., Tumay M., Morvant M., 2008. Computerized cone penetration test for soil classification: development of MS-Windows software. Journal of the Transportation Research Board, Vol. 2053, Issue 1, pp. 47–64, https://doi.org/10.3141/2053-07.
5. Begemann H.K.S., 1965. The friction jacket cone as an aid in determining the soil profile. Proceedings of the 6th International
Conference on Soil Mechanics and Foundation Engineering, Montreal, Canada, 1965, Vol. 1, pp. 17–20.
6. Bhattacharya B., Solomatine D.P., 2006. Machine learning in soil classification. Neural Networks, Vol. 19, Issue 2, pp. 186–195,
https://doi.org/10.1016/j.neunet.2006.01.005.
7. Douglas B.J., Olsen R.S., 1981. Soil classification using electric cone penetrometer. Proceedings of the Conference on Cone Penetration Testing and Experience, Saint Louis, USA, 1981, pp. 209–227.
8. Eslami A., Fellenius B.H., 1997. Pile capacity by direct CPT and CPTu methods applied to 102 case histories. Canadian Geotechnical Journal, Vol. 34, No. 6, pp. 886–904, https://doi.org/10.1139/t97-056.
9. Fellenius B.H., Eslami A., 2000. Soil profile interpreted from CPTu data. Year 2000 Geotechnics, Proceedings of the Geotechnical Engineering Conference, Bangkok, Thailand, 2000, pp. 27–30.
10. Ghaderi A., Shahri A.A., Larsson S., 2019. An artificial neural network based model to predict spatial soil type distribution using piezocone penetration test data (CPTu). Bulletin of Engineering Geology and the Environment, Vol. 78, No. 6, pp. 4579–4588, ttps://doi.org/10.1007/s10064-018-1400-9.
11. Jefferies M.G., Davies M.P., 1991. Soil classification by the cone penetration test: Discussion. Canadian Geotechnical Journal, Vol. 28, No. 1, pp. 173–176, https://doi.org/10.1139/t91-023.
12. Kurup P.U., Griffin E.P., 2006. Prediction of soil composition from CPT data using general regression neural network. Journal
of Computing in Civil Engineering, Vol. 20, No. 4, pp. 281–289, https://doi.org/10.1061/(ASCE)0887-3801(2006)20:4(281).
13. Olanloye D.O., 2014. An intelligent system for soil classification using unsupervised learning approach. International Journal
of Computer Applications, Vol. 105, No. 11, pp. 21–27.
14. Olsen R.S., Mitchell J.K., 1995. CPT stress normalization and prediction of soil classification. Proceedings of the International
Symposium on Cone Penetration Testing, Linköping, Sweden, 1995, Vol. 2, pp. 257–262.
15. Ramsey N., 2002. A calibrated model for the interpretation of cone penetration tests (CPTs) in North Sea Quaternary soils. Offshore Site Investigation and Geotechnics “Diversity and Sustainability”, Proceedings of the International Conference, London, UK, 2002,
pp. 341–356.
16. Robertson P.K., 1990. Soil classification using the cone penetration test. Canadian Geotechnical Journal, Vol. 27, No. 1, pp. 151–158, https://doi.org/10.1139/t90-014.
17. Robertson P.K., 2009. Interpretation of cone penetration tests - a unified approach. Canadian Geotechnical Journal, Vol. 46, No. 11, pp. 1337–1355, https://doi.org/10.1139/T09-065.
18. Robertson P.K., 2016. Cone penetration test (CPT)-based soil behaviour type (SBT) classification system — an update. Canadian Geotechnical Journal, Vol. 53, No. 12, pp. 1910–1927, https://doi.org/10.1139/cgj-2016-0044.
19. Robertson P.K., Campanella R.G., Gillespie D., Greig J., 1986. Use of piezometer cone data. Use of In Situ Tests in Geotechnical
Engineering, Proceedings of the “In SITU’86” Specialty Conference, Blacksburg, Virginia, USA, 1986, pp. 1263–1280.
20. Sanglerat G., Nhiem T.V., Sejourne M., Andina R., 1974. Direct soil classification by static penetrometers with special friction sleeve.
ESOPT-I, Proceedings of the 1st European Symposium on Penetration Testing, Stockholm, Sweden, Vol. 2.2, pp. 337–344.
21. Schneider J.A., Hotstream J.N., Mayne P.W., Randolph M.F., 2012. Comparing CPTU Q-F and Q-Δu2/σv0 ′ soil classification charts. Géotechnique Letters, Vol. 2, Issue 4, pp. 209–215, https://doi.org/10.1680/geolett.12.00044.
22. Schneider J.A., Randolph M.F., Mayne P.W., Ramsey N.R., 2008. Analysis of factors influencing soil classification using normalized piezocone tip resistance and pore pressure parameters. Journal of Geotechnical and Geoenvironmental Engineering, Vol. 134, Isuue 11, pp. 1569–1586, https://doi.org/10.1061/(ASCE)1090-0241(2008)134:11(1569).
23. Tonni L., Simonini P., 2013. Shear wave velocity as function of cone penetration test measurements in sand and silt mixtures. Engineering Geology, Vol. 163, pp. 55–67, https://doi.org/10.1016/j.enggeo.2013.06.005.
24. Tumay M.T., Abu-Farsakh M.Y., Zhang Z., 2008. From theory to implementation of a CPT-based probabilistic and fuzzy soil
classification. From Research to Practice in Geotechnical Engineering, pp. 259–276, https://doi.org/10.1061/40962(325)5.
25. Vos J.D., 1982. The practical use of CPT in soil profiling. ESOPT-II, Proceedings of the 2nd European Symposium on Penetration Testing, Amsterdam, Netherlands, 1982, pp. 933–939.
26. Zhang Z., Tumay M.T., 1999. Statistical to fuzzy approach toward CPT soil classification. Journal of Geotechnical and Geoenvironmental Engineering, Vol. 125, Issue 3, pp. 179–186, https://doi.org/.10.1061/(ASCE)1090-0241(1999)125:3(179).

Статьи из журнала

О КЛАССИФИКАЦИИ ГРУНТОВ ПО ДАННЫМ СТАТИЧЕСКОГО ЗОНДИРОВАНИЯ

“Инженерная геология”, том XIV, № 4/2019

Авторы: Болдырев Г.Г., Идрисов И.Х.

МЕТОД ОПРЕДЕЛЕНИЯ ДАВЛЕНИЯ ПЕРЕУПЛОТНЕНИЯ НА ОСНОВЕ СТАТИСТИЧЕСКИХ ЗАВИСИМОСТЕЙ РАСПРЕДЕЛЕНИЯ ИНДЕКСА КОМПРЕССИИ. ЧАСТЬ 2. ОСОБЕННОСТИ РАБОТЫ МЕТОДА

“Инженерная геология”, том XIV, № 4/2019

Автор: Васенин В.А.

Вторая часть работы посвящена детализации идей предложенного метода оценки давления переуплотнения, построенного на основе учета потерь эффективных напряжений в результате нарушения природной структуры лабораторных образцов с использованием критерия изменения коэффициента ...

ВЛИЯНИЕ ДАВЛЕНИЯ НА ФОРМИРОВАНИЕ ДЕФЕКТНОСТИ СТРУКТУРНОГО ПАКЕТА И МИНЕРАЛА КАОЛИНИТ

“Инженерная геология”, том XIV, № 4/2019

Авторы: Середин В.В., Медведева Н.А., Ситева О.С., Иванов Д.В.

Для формирования технологических свойств глин производят их обработку с изменением структуры. Цель работы — изучить влияние давления на изменение дефектности структурного пакета и минерала каолинит. В статье представлены результаты рентгенофлуоресцентного ...

ИСПОЛЬЗОВАНИЕ МОДИФИЦИРОВАННОГО ПСЕВДОСТАТИЧЕСКОГО МЕТОДА ДЛЯ РАСЧЕТОВ УСТОЙЧИВОСТИ СЕЙСМОГЕННЫХ ОПОЛЗНЕЙ (НА ПРИМЕРЕ ОПОЛЗНЯ ШУЙЦЗИНЯНЬ, КИТАЙ, 2008 г.)

“Инженерная геология”, том XIV, № 4/2019

Авторы: Кропоткин М.П., Прасолов А.А.

Совершенствование расчетов устойчивости оползнеопасных склонов в сейсмически активных регионах является одной из актуальных проблем инженерной геологии. Как псевдостатический, так и динамический методы учета сейсмического воздействия содержат много субъективных допущений, снижающих ...

ВЛИЯНИЕ КРУПНЫХ ПЛОЩАДНЫХ ИСТОЧНИКОВ НА ЗАГРЯЗНЕНИЕ ПОДЗЕМНЫХ ВОД

“Инженерная геология”, том XIV, № 4/2019

Автор: Позднякова И.А.

Курьяновские и Люберецкие очистные сооружения, а также ОАО «Московский нефтеперерабатывающий завод» являются примерами крупных площадных потенциальных источников загрязнения подземных вод в пределах Москвы. Крупномасштабное картирование границ гидрогеологических окон на территории ...