一种恒温高温高盐试验软粘土的制备方法

技术领域

本发明涉及软粘土制备技术领域，具体涉及一种恒温高温高盐试验软粘土的制备方法。

背景技术

在与我国气候相似的区域，我国的工程建设企业可以借鉴国内的软粘土工程经验，以进行成功的建设。然而在非洲热带地区，工程建设企业遇到了高温高盐的软粘土工程场地，这种场地具有特殊的工程特性。

在这种情况下，高温土体可能会促进土体中水分的蒸发，导致盐分析出，影响土体的承载和变形特性。同时，当水体渗入土中时，盐分会溶于水，增加土体的孔隙。这种高温失水时盐分析出，补水时盐分溶解的现象，对工程的建筑质量构成了巨大的风险。为解决这一难题，需要寻找新的方法来复现并测试高温高盐软粘土的力学特性。一种必要的解决方案是在试验室人工模拟制备高温高盐软粘土，以模拟现场状况，评估其变形和承载特性。

为了制备这种恒温的高温高盐软粘土，需要借助现有的软粘土制备工艺，改进制备条件，并满足智能化、大批量的试验需求。同时由于高温高盐粘土内部的高温失水时盐分析出现象，容易出现不确定的模拟高温高盐软粘土的低质量区域，因此传统基于土箱进行直接填筑的方法无法指导试验的开展位置。

一般情况下土箱的水路可能会因铺设出现一定程度的气隙或管路内流动的堵塞，因此在恒温过程中容易出现一小部分区域不能很好保持温度的情况。因此需要一种基于土箱的恒温高温高盐软粘土制备方案，并在制备过程中自动化确定试验位置，保证土箱出品和试验开展的质量可控。

发明内容

为了解决在恒温过程中容易出现部分区域不能很好保持温度的技术问题，本发明的目的在于提供一种恒温高温高盐试验软粘土的制备方法，所采用的技术方案具体如下：

将土箱内每层软粘土划分为多个软粘土子块，根据每个软粘土子块的底层和顶层的温度，得到每个软粘土子块的多维温度序列；将所述多维温度序列进行降维得到软粘土子块对应的温度特征码；

基于试验前的温度，由每个软粘土子块的底层和顶层的温度构成二元组，计算每个软粘土子块的两两邻域子块之间的度量准则值；基于度量准则值对软粘土子块的邻域子块进行匹配，得到匹配对，根据匹配对之间的度量准则值计算软粘土子块的匹配代价，作为第一匹配代价；基于加热后的温度，计算软粘土子块的匹配代价作为第二匹配代价；

由任意两个软粘土子块的第一匹配代价和第二匹配代价计算度量准则距离；利用度量准则距离计算每个软粘土子块的局部离散因子；根据局部离散因子计算软粘土子块的改善指标；计算每个竖列所有层的软粘土子块的样本密度之和；根据每个竖列的软粘土子块的两次土箱填筑的样本密度之和以及改善指标得到竖列的评分值；获取软粘土子块延伸出的最佳的L型选区；基于L型选区的三个竖列的评分值及竖列中软粘土子块的位置得到软粘土制备试验的初始位置。

优选的，所述根据每个软粘土子块的底层和顶层的温度，得到每个软粘土子块的多维温度序列，包括：

软粘土子块的底层放置有一个温度传感器，顶层同样有一个温度传感器；

对于一个软粘土子块，当开始加热时，按照温度传感器的更新频率，持续记录多维温度序列：所述多维温度序列由软粘土子块底层和顶层的温差序列、软粘土子块底层和顶层的平均温度序列、软粘土子块的邻域子块中底层和顶层的平均温度的最高温度序列和软粘土子块的邻域子块中底层和顶层的平均温度的最低温度序列构建。

优选的，所述将所述多维温度序列进行降维得到软粘土子块对应的温度特征码，包括：

将多维温度序列填筑为高维矩阵；通过PCA算法，基于QR分解或SVD算法将高维矩阵映射到低维空间，得到低维的温度特征码。

优选的，所述度量准则值的计算公式为：

其中，

优选的，所述基于度量准则值对软粘土子块的邻域子块进行匹配，得到匹配对，包括：

基于度量准则值，利用K-M算法对软粘土子块的邻域子块进行匹配，得到至少两个匹配对。

优选的，所述根据匹配对之间的度量准则值计算软粘土子块的匹配代价，包括：

将软粘土子块对应的各匹配对之间的度量准则值的均值，作为软粘土子块的匹配代价。

优选的，所述由任意两个软粘土子块的第一匹配代价和第二匹配代价计算度量准则距离，包括：

其中，

优选的，所述根据局部离散因子计算软粘土子块的改善指标，包括：

当软粘土子块在上次土箱填筑时的局部离散因子小于1时，则对应的改善指标为1；

当软粘土子块在上次土箱填筑时的局部离散因子大于等于1时，则根据此次局部离散因子的情况定义改善指标的数值：当软粘土子块在当前土箱填筑时的局部离散因子大于等于1时，则改善指标为0；当软粘土子块在当前土箱填筑时局部离散因子小于1时，则改善指标为上次土箱填筑时的局部离散因子和当前土箱填筑时的局部离散因子的差值。

优选的，所述根据每个竖列的软粘土子块的两次土箱填筑的样本密度之和以及改善指标得到竖列的评分值，包括：

计算每个竖列的软粘土子块的改善指标的均值，作为初始均值；

将竖列对应的所述初始均值和竖列对应的软粘土子块的两次土箱填筑的样本密度之和的乘积作为竖列的评分值。

优选的，所述基于L型选区的三个竖列的评分值及竖列中软粘土子块的位置得到软粘土制备试验的初始位置，包括：

将L型选区的三个竖列的评分值作为x，根据x的横坐标代入到softargmax函数中，得到对应的概率分布；对概率分布进行加权平均，得到一个加权坐标的横坐标；加权坐标的横坐标为softargmax的输出，即为软粘土制备试验的初始位置的横坐标；并获取软粘土制备试验的初始位置的纵坐标，得到软粘土制备试验的初始位置。

本发明实施例至少具有如下有益效果：

本发明综合考虑高温高盐软粘土的微观结构和力学行为，深入探究其物理机制和影响因素，提出了一种制备恒温高温高盐软粘土的方法，可以更好地模拟现场高温高盐条件，提高了试验的可靠性和可重复性。本发明提出的方法令传统的土箱制备方法智能化，并提出了配套的大批量的可靠试验的方法，可以大幅提高试验效率和准确性，以满足工程试验对于高温高盐软粘土力学特性模拟的需求，能够提高试验数据的可靠性，为工程设计和施工提供更稳定的数据支撑。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种恒温高温高盐试验软粘土的制备方法的方法流程图；

图2为本发明一个实施例所提供的一种常见的土箱保温用的管路的铺设方式的示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种恒温高温高盐试验软粘土的制备方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例提供了一种恒温高温高盐试验软粘土的制备方法的具体实施方法，该方法适用于软粘土的制备场景。为了解决在恒温过程中容易出现部分区域不能很好保持温度的技术问题。本发明综合考虑高温高盐软粘土的微观结构和力学行为，深入探究其物理机制和影响因素，提出了一种制备恒温高温高盐软粘土的方法，可以更好地模拟现场高温高盐条件，提高试验的可靠性和可重复性。本发明提出的方法令传统的土箱制备方法智能化，并提出了配套的大批量的可靠试验的方法，可以大幅提高试验效率和准确性，以满足工程试验对于高温高盐软粘土力学特性模拟的需求，能够提高试验数据的可靠性，为工程设计和施工提供更稳定的数据支撑。

下面结合附图具体的说明本发明所提供的一种恒温高温高盐试验软粘土的制备方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种恒温高温高盐试验软粘土的制备方法的方法流程图，该方法包括以下步骤：

步骤S100，将土箱内每层软粘土划分为多个软粘土子块，根据每个软粘土子块的底层和顶层的温度，得到每个软粘土子块的多维温度序列；将所述多维温度序列进行降维得到软粘土子块对应的温度特征码。

首先定义一种土箱、土箱的电控系统和划分分析软粘土子块的方法，具体的：填筑一种土箱和加热单元，温度传感器包括如下单元和操作步骤：

该土箱是一种立方体，容积不限，是一种上开口的箱体。

在试验土箱内铺设保温材料，并安装加热管、连接好热水循环系统和自动加热系统，确保热水循环系统正常工作，加热系统用于控制土层的各个位置的温度。

该土箱能够将高盐软粘土分10层填筑，首先将高盐软粘土搅拌均匀，然后填进试验土箱，并在填筑过程中逐层铺设温度传感器。铺设方式是均匀厚度的铺设，与常见的土箱铺设方式相同，在此不再赘述。

最后连接土体温度测试系统和自动加热系统，并检查这些系统是否正常工作。确保系统正常工作后，设定控制温度，开启系统获得恒温的高温高盐试验软粘土。

对于该土箱，铺设温度传感器和控温的方法是多样的，本发明在每层软粘土的底层铺设4×4的温度传感器，将每层软粘土分为16个软粘土子块，温度传感器具体的数量可以根据土箱的大小进行更多或更少传感器的铺设。

其中温度传感器不处于外壁，使得每个软粘土子块都能对应一个温度传感器读数。

请参阅图2，图2是一种常见的土箱保温用的管路的铺设方式，图2中黑色部分属于是背景信息。对于管路，温度传感器应避免出现在管路表面，即尽可能位于留空的区域。

加热器用于加热管路，从而保证土箱内部的温度符合预期，其中作为加热器反馈温度的数据源为土箱内的各个温度传感器的均值。

根据温度传感器的布置，土箱内每层软粘土划分为16个软粘土子块。

对于每层土壤，软粘土子块的底层放置有一个温度传感器，顶层同样有一个温度传感器，因此在土箱的表面额外添加一个温度传感器。

因此，一个软粘土子块对应上下两个位置的温度传感器，也即每个软粘土子块的顶层和底层均有一个温度传感器，用于采集每个软粘土子块的底层和顶层的温度。每个软粘土子块可以实时获取温度的二元组T，也即由每个软粘土子块的底层和顶层的温度构成二元组。

此外，在加热器水箱中安装另一个水温传感器，用于观测水路输入土箱时的水温W。

至此，搭建了土箱和恒温系统，即土箱的每一层都有水路和温度传感器来维持与监测土层的温度。

在土箱加热过程中，对土箱内软粘土子块计算温度特征码M，从而区分一个大土箱中的该批次的土壤中，土层的各软粘土子块的特征信息。

首先基于一个软粘土子块进行第一次特征编码。具体编码方式为：

对一个软粘土子块，自填埋好整个土箱后，开始加热，管路的水温第一次超过预设温度一段时间后，开始对各个温度传感器的温度数据进行记录，每5s一次。本发明实施例中，当传感器平均温度超过预设温度且维持超过2秒后进行记录。

其中，管路的水温W体现的是加热器来加热的温度，而反馈到温控系统的温度是土箱所有温度传感器的平均温度。因此温控系统最终状态是慢速提高水温，将所有软粘土子块的温度都加热到接近设定温度的情况。

开始记录的时刻是管路的水温第一次超过预设温度一段时间后的原因是：

由于每次制备土箱的时间和室温不统一，因此预制的高盐土的初始温度不统一，且预制的高盐土的内部含有一定水分。

所以当水温第一次高于设定温度时，意味着前期的加热过程已经持续较长时间，即土壤经过了预热。此时可以认为前期的加热过程已经较久，无论外界环境如何，预制的高盐土的温度已经被预加热到了较为统一的温度。

此时，开始记录各个软粘土子块的温度，即每个温度传感器对应的温度读数，一段时间后结束。本实施例中时长为15分钟。记录方式如下：

首先对于一个软粘土子块，软粘土子块的底层放置有一个温度传感器，顶层同样有一个温度传感器，两个传感器的平均温度读数为软粘土子块的温度。所有软粘土子块都通过上述方式得到软粘土子块的温度。根据每个软粘土子块的底层和顶层的温度，得到每个软粘土子块的多维温度序列，具体的：软粘土子块的底层放置有一个温度传感器，顶层同样有一个温度传感器，两个温度传感器的平均温度读数为软粘土子块的温度；对于一个软粘土子块，当开始加热时，按照温度传感器的更新频率，持续记录多维温度序列：所述多维温度序列由软粘土子块底层和顶层的温差序列、软粘土子块底层和顶层的平均温度序列、软粘土子块的邻域子块中底层和顶层的平均温度的最高温度序列和软粘土子块的邻域子块中底层和顶层的平均温度的最低温度序列构建。

上述数据皆为数据序列，由温差序列、平均温度序列、最高温度序列和最高温度序列构架多为温度序列。根据各个软粘土子块的多维温度序列和分布，利用PCA进行特征码的建立。也即进一步的，将所述多维温度序列进行降维得到软粘土块对应的温度特征码，具体的：根据多维温度序列，可以填筑为高维矩阵，也即将多维温度序列填筑成高维矩阵；通过PCA算法，基于QR分解或SVD算法将高维矩阵映射到低维空间，得到低维的温度特征码。

更具体的：由于提取序列的长度固定，根据4个数据序列，可以填筑为4×180的高维矩阵X，也即根据多维温度序列填筑为4*180的高维矩阵。对于每个软粘土子块，都可以得到上述高维矩阵X。高维矩阵中，每行数据分别代表了温度传递过程中的多维温度序列中的一条。通过PCA算法，基于QR分解或SVD算法将高维矩阵映射到低维空间，其中低维空间的维度是128维。由于软粘土子块的比热容的特性，各个数据序列的特征都呈现出缓慢变化的趋势，因此可以通过QR分解或SVD算法准确映射到较低维度。本发明实施例中，选取的维度数是128，实施者可以通过回测以及残差分析等方式验证在实施者的环境中128维能否满足描述矩阵中的特征的情况，如果不能，则按需逐渐增加维度数，例如192维度，200维度等。

至此，通过PCA算法，可以得到各个软粘土子块的矩阵的降维结果：对于一个土箱，每个软粘土子块在加热过程中经历15分钟后，都可以得到128维的温度特征码M。

得到温度特征码的目的是为了根据各个指标的序列压缩共性部分所需要的数据量，利用多维温度序列得到特性部分的温度特征码M。

步骤S200，基于试验前的温度，由每个软粘土子块的底层和顶层的温度构成二元组，计算每个软粘土子块的两两邻域子块之间的度量准则值；基于度量准则值对软粘土子块的邻域子块进行匹配，得到匹配对，根据匹配对之间的度量准则值计算软粘土子块的匹配代价，作为第一匹配代价；基于加热后的温度，计算软粘土子块的匹配代价作为第二匹配代价。

由于软粘土子块的环境可以通过温差、温度上升情况、各个时刻的邻域子块的最高温、最低温来确定和描述软粘土子块所处的环境以及周围软粘土子块的加温特性。

如果一个软粘土子块存在较大空隙，即气隙，可能导致土壤内部出现水道或气隙，进而会导致认为这个软粘土子块对于试验需求来说存在较强的不确定因素。

具体体现在上下方温差的变化、邻域的最高和最低温度的变化，以及该软粘土子块的平均温度的变化的波动特征中。

那么一个矩阵可以描述各个时间段的软粘土子块的状态，通过PCA降维后，可以更精确描述各个软粘土子块之间由于某些差异而体现在温度变动特征上的特征。

对土箱中各软粘土子块，基于嵌入时域特征的LOF方法，确定当前土箱填筑时软粘土子块的异常程度，在本发明实施例中通过局部离散因子来反映软粘土子块的异常程度。

所述局部离散因子的计算方法是一种异常离群分析的方法。首先对时空特征进行嵌入，然后基于前面的温度特征码，一同进行软粘土子块的局部离散因子的分析。

首先，根据试验前的温度数据和加热5分钟后的试验数据，做如下分析，完成各个软粘土子块时空特征的嵌入。

对于高温土体，土箱的作用是加热并模拟高温促进土体中水分的蒸发，导致盐分析出，影响土体的承载和变形特性的过程，因此，在经过前期的15分钟后，直至试验前。每个软粘土子块的各个邻域的温度分布的时间、空间特征还能够代表水分蒸发的特征。

具体的，当水分蒸发较多后，土壤的蒸发过程会发生如下变化：

在实验开始前，即蒸发掉一部分水分后，土壤变得干结，与管路的贴合不再紧密，且与温度传感器之间的贴合不再紧密，由于气隙的影响，此时的温度数据会存在较大的偏差。

在经过前期的15分钟后的情况下，土壤已经充分预热且加热到较高温度，水分正在蒸发，渐渐出现水道和气隙，水分还会自下而上经过各层离开土箱。因此，通过时空的特征嵌入，可以发现土箱铺设后，哪部分软粘土子块可能存在受热不均的情况。

如果软粘土子块受热不均，那么在后续实验的过程中，很有可能遇到含水量较高的软粘土子块，也有可能因为横向渗透的过程，软粘土子块的盐分与其它区域差异较大，因此，导致力学性质发生较为明显的变化，无法准确模拟高温土体盐分析出后如何影响土体的承载和变形特性。

根据试验前的温度数据和加热5分钟后的试验数据，做如下分析，完成各个软粘土子块时空特征的嵌入。需要说明的是加热5分钟的试验数据即为加热后的温度。

对于软粘土子块而言，水分的迁移可以按照上下左右前后方向，以及各方向的对角方向。而不同位置的相邻软粘土子块的数量是不同的，例如边角只有4个，而中心处有26个。

持续高温过程中，高温土体的一个软粘土子块的相邻软粘土子块的温度差异可以描述水分蒸发前后的特征。

首先对任一软粘土子块，获知软粘土子块的相邻软粘土子块的数量，例如紧贴外壁的中心部分，只有17个软粘土子块，这17个相邻软粘土子块即为软粘土子块的邻域子块。

那么无论何时，都可以得知这17个邻域子块的上下层温度差，因此基于软粘土子块的上下两个温度传感器读数进行如下分析：基于试验前的温度，由每个软粘土子块的底层和顶层的温度构成二元组，计算每个软粘土子块的两两邻域子块之间的度量准则值；基于度量准则值对软粘土子块的邻域子块进行匹配，得到匹配对，根据匹配对之间的度量准则值计算软粘土子块的匹配代价，作为第一匹配代价。在基于试验前的温度得到第一匹配代价之后，基于加热后的温度，计算软粘土子块的匹配代价作为第二匹配代价，具体的：

首先，每个软粘土子块的温度数据是一个二元组，即两个温度数值。

对于所有软粘土子块而言，二元组的相似程度越高，则意味着软粘土子块之间的温度传递越均匀。

将软粘土子块的相邻软粘土子块，称为邻域子块。一个邻域子块和另一个邻域子块之间的温度应当足够相似，否则说明出现水分迁移的通道或存在气隙，导致受热不均。

根据如下方式，使用K-M算法对软粘土子块之间的差异建立距离最小分配的匹配结果：

首先建立任意两个邻域子块的度量准则值：

其中，

因此，如果上下两层的软粘土子块的温度相差较小，那么两个软粘土子块的二元组T中，会有一个完全相同的温度读数。如果两个软粘土子块是横向排布的，那么两个温度传感器按照正常的读取顺序或反向的读取顺序，也可以得到较为匹配的一种。

其中

所以，基于度量准则值这种计算距离的方法，可以让K-M算法主动匹配上下两层或横向相邻的软粘土子块，也即基于度量准则值，利用K-M算法对软粘土子块的邻域子块进行匹配，得到至少两个匹配对。

基于K-M算法计算完成后，得到若干个匹配对，其中还有可能出现孤立的一个软粘土子块，将其排除。

至此，一个软粘土子块的邻域子块之间存在若干个匹配对，即所有匹配对的准则度量值的均值为软粘土子块的匹配代价，也即将所有匹配对之间的度量准则函数的均值，作为软粘土子块的匹配代价。

匹配代价可以代表软粘土子块当前情况下，周围的邻域子块的温度的差异是否较为严重。

基于上述方法，分别对15分钟加热结束后的温度进行一次采样，然后在试验开始前，再次进行一次温度采样。这样，每个软粘土子块都可以根据上述方法分别得到两个匹配代价

步骤S300，由任意两个软粘土子块的第一匹配代价和第二匹配代价计算度量准则距离；利用度量准则距离计算每个软粘土子块的局部离散因子；根据局部离散因子计算软粘土子块的改善指标；计算每个竖列所有层的软粘土子块的样本密度之和；根据每个竖列的软粘土子块的两次土箱填筑的样本密度之和以及改善指标得到竖列的评分值；获取软粘土子块延伸出的最佳的L型选区；基于L型选区的三个竖列的评分值及竖列中软粘土子块的位置得到软粘土制备试验的初始位置。

基于上述操作，可以在时间过程前后、软粘土子块邻域的空间分布中，评估一个软粘土子块的异常与否。由任意两个软粘土子块的第一匹配代价和第二匹配代价计算度量准则距离；利用度量准则距离计算每个软粘土子块的局部离散因子。

首先，一个软粘土子块在15分钟加热结束后可以得到温度特征码，除此之外，还可以得知两个匹配代价C，也即第一匹配代价和第二匹配代价。基于这些数据，可以评估一个软粘土子块在整个土箱中的局部离散因子。

首先建立一个假设空间，通过度量准则距离D来填筑假设空间。

其中，

其中，软粘土子块a和软粘土子块b指土箱中的任意两个软粘土子块，那么基于整个距离，可以填筑出整个假想空间中样本的分布，即有的软粘土子块之间距离较近，有的软粘土子块之间距离较远。

因此，基于样本分布可以利用K-近邻算法得知一个软粘土子块在此空间中的K个近邻的软粘土子块样本。LOF算法（Local Outlier Factor，局部离群因子检测方法），是一种无监督的离群检测方法。该方法为每个样本点计算一个局部离群因子LOF。根据局部离散因子计算软粘土子块的改善指标。通过判断LOF是否接近于1来判定是否是离群因子。若LOF远大于1，则认为是离群因子，接近于1，则是正常点。

首先基于K-近邻可达距离的计算，计算每个样本点的局部可达密度lrd。由于局部可达密度的计算是公知的，本发明不再赘述。

然后，基于软粘土子块的局部可达密度，计算局部离散因子：

首先假设一个软粘土子块作为样本点p，局部离散因子表示点p的K邻域点的局部可达密度与点p的局部可达密度之比的平均数。这样，局部离散因子可以表示p是离群点的程度。

如果这个比值越接近1，说明p的其邻域点密度差不多，p可能和邻域同属一簇；如果这个比值越小于1，说明p的密度高于其邻域点密度，p为密集点；如果这个比值越大于1，说明p的密度小于其邻域点密度，p越可能是异常点。

因此，基于温度特征码以及匹配代价C，可以计算一个软粘土子块的局部离散因子大小。

对于此次土箱中每个软粘土子块，都有一定的局部离散因子，对于此次土箱的填筑，局部离散因子用于下次土箱的分析。

基于上次的土箱填筑，在下次土箱的填筑时，加热时提高水流流速，观测各软粘土子块区域的局部离散因子改善情况，评价软粘土子块改善指标Y。

提高水流流速的目的在于加快热交换的速率，此时，软粘土子块上方和下方的温差短时间内会相较于慢速流动水流时更快变小，与此同时，软粘土子块平均温度增速不变，因为加热功率不变，传递效率仅小幅提升。

此外，软粘土子块的邻域中最高温度、软粘土子块的邻域中最低温度的数值也逐渐趋于一致。

因此，软粘土子块上下方的温差的收敛速度，即温差的数值降低的速度会变快，在这种情况下，软粘土子块的局部离散因子值会因为温差的快速收敛更容易降低。

故进一步的，根据局部离散因子计算软粘土子块的改善指标。与上述方式相同，试验前计算每个软粘土子块的局部离散因子。对于每个软粘土子块，如果LOF相较于上次土箱填筑后的LOF变大了，则意味着整体软粘土子块的分布更加均匀，因为水路的流速增大，换热效果更加明显。而LOF是仅限该土箱的相对值，因此根据如下情况评估每个软粘土子块的改善指标，也即根据局部离散因子计算软粘土子块的改善指标：

当软粘土子块在上次土箱填筑时的局部离散因子小于1时，则对应的改善指标为1；

当软粘土子块在上次土箱填筑时的局部离散因子大于等于1时，则根据此次局部离散因子的情况定义改善指标的数值：当软粘土子块在当前土箱填筑时的局部离散因子大于等于1时，则改善指标为0；当软粘土子块在当前土箱填筑时局部离散因子小于1时，则改善指标为上次土箱填筑时的局部离散因子和当前土箱填筑时的局部离散因子的差值。

这样，改善指标的大小可以体现软粘土子块是否因水路的流量提升而改善。

如果改善指标为1甚至大于1，则意味着前期的均一性已经较好，和其它软粘土子块之间不存在较大的差异，如果改善指标小于1，则意味着有一定改善，0意味着无改善。

至此，基于两次土箱的填筑，得到了每个软粘土子块的改善指标。

除了第一次填筑的土箱，基于前两次的填筑，每次填筑的土箱都可以开展一种土性试验，即其中一次流速默认，另一次流速增大，但恒温的目标温度相同。针对两次的各个软粘土子块的LOF数值计算软粘土子块的改善指标Y和两次的温度特征码M，确定试验的最优位置。

本发明提出一种基于L型选区进行基于sofargmax方式的选点的方法，从而确定最终的试验的最优选点位置。针对一种土性试验，由于土性试验的方向通常是垂直向下的，因此需要选取软粘土子块异常指标最小的竖列以及邻域竖列进行试验。

根据一列软粘土子块延伸出不同的L型选区，向下延伸共得到3列软粘土子块区域，进行综合指标的评估，得到最佳的L型选区。需要说明的是L型选取为：例如一个大立方体，俯视图为一个矩形，对于大立方体有一个竖列，该所见的竖列在俯视图上就是一个块，那这个块的上边的相邻块和左边的相邻块都选上，也就选择了三个竖列，就构成了一种L型选区。

根据一竖列的软粘土子块，评估一个竖列的评级。对于一个竖列，首先计算竖列中所有软粘土子块的改善指标Y的均值，记为y。然后对于这个竖列，计算每个软粘土子块的两次填筑的温度特征码M，即上一次和当前次。

基于这个竖列，有若干个温度特征码，如果土箱为10层，则温度特征码有20个。基于这20个温度特征码，计算20个温度特征码的样本密度之和：

首先，温度特征码是每次土箱填筑后，根据15分钟的加热过程的多维温度序列，进行PCA降维得到的。

那么20个温度特征码之间所处于的样本空间是不同的，因此基于两次土箱填筑的记录，分别对应10个温度特征码。对10个温度特征码计算样本密度，计算方式如下：首先温度特征码之间的距离为余弦相似度，范围是0到1，为0时说明温度特征码之间极为不同，即受热的环境极为不同，为1时，说明温度特征码之间完全相同。对10个温度特征码中的一个温度特征码，向剩余9个温度特征码计算余弦相似度，得到9个余弦相似度。每个温度特征码都基于上述计算，都得到9个余弦相似度，并计算累计和，该累加和作为该软粘土子块的样本密度。最终，10个软粘土子块计算得到共10个累计和，累计和越大，则认为该软粘土子块与其它软粘土子块的材质越相似。这样做的目的是计算竖列中，一个软粘土子块的温度特征码和其它软粘土子块的温度特征码之间的差异大小。至此，对于一个竖列的10个温度特征码，有10个累计和，对这10个累计和继续累计求和，得到10个累计和的总和，记为J，也即为竖列对应的样本密度之和。

对于另外一个竖列的10个软粘土子块的温度特征码，同样计算。至此，有J1和J2，其中J1为上一个土箱中竖列对应的样本密度之和，J2为当前土箱中该竖列对应的样本密度之和。

根据每个竖列的软粘土子块的两次土箱填筑的样本密度之和以及软粘土子块的改善指标得到竖列的评分值。具体的：计算每个竖列的软粘土子块的改善指标的均值，作为初始均值；将竖列对应的所述初始均值和竖列对应的软粘土子块的两次土箱填筑的样本密度之和的乘积作为竖列的评分值。

该评分值的计算公式为：

其中，

根据评分值

最终，根据一个竖列，得到一个评分值，然后根据一个竖列，穷举所有可能的其它相邻竖列构成L型选区的方案：首先对于一个竖列，除去对角相邻的竖列，还有4个相邻竖列，对相邻竖列中的2个进行选取，构成三个竖列呈L型的选区，最多共4种。

对上述各种L型选区的3个竖列的评分值进行求和，可以得知基于一个竖列填筑L型选区的评分，即对3个竖列的评分值的求和，记为E。

对所有竖列进行L型选区的E值进行计算，选择E最大的L型选区，作为最佳的L型选区，即获取了软粘土子块延伸出的最佳的L型选区。

根据最佳的L型选区，进行基于sofargmax方式的选点，确定最终的试验选点位置。

基于最佳的L型选区，可以得知三个竖列的评分值。根据评分值进行基于sofargmax方式的选点，首先对三个竖列的行列号进行记录：

其中，Softargmax是一种计算离散概率分布的函数，它可以将任意向量转化为概率分布，而不需要显式地对向量进行归一化。Softargmax函数可以用于计算基于权重的坐标。

对于L型选区，可以视为仅有三个相邻像素的连通域，可以使用以下步骤确定坐标，可以说基于L型选区的三个竖列的评分值及竖列中软粘土子块的位置得到软粘土制备试验的初始位置，具体的：将L型选区的三个竖列的评分值作为x，根据x的横坐标代入到softargmax函数中，得到对应的概率分布；对概率分布进行加权平均，得到一个加权坐标的横坐标；加权坐标的横坐标为softargmax的输出，即为软粘土制备试验的初始位置的横坐标；并获取软粘土制备试验的初始位置的纵坐标，得到软粘土制备试验的初始位置。

具体地，假设L型选区的一个行的值分别为

其中，

同理，还可以计算列坐标。

最终将加权平均后的加权坐标作为软粘土制备试验的初始位置，或者也可以作为软粘土制备试验的中心位置，例如取样点，开挖中心等。

至此，两次土箱填筑之间的水流流速情况都是交替进行的，水流的流速情况不影响最终土壤的模拟情况，但可以通过前后两个记录，根据流速较快的相对于流速较慢的分析得到改善指标Y和两次的温度特征码M。

因此，就可以基于两次土箱的填筑计算各个软粘土子块的改善指标Y和两次的各个软粘土子块的温度特征码M，最后根据基于L型选区进行基于sofargmax方式的选点的方法确定试验开展的位置。

本发明综合考虑高温高盐软粘土的微观结构和力学行为，深入探究其物理机制和影响因素，提出了一种制备恒温高温高盐软粘土的方法，可以更好地模拟现场高温高盐条件，提高试验的可靠性和可重复性。本发明提出的方法令传统的土箱制备方法智能化，并提出了配套的大批量的可靠试验的方法，可以大幅提高试验效率和准确性，以满足工程试验对于高温高盐软粘土力学特性模拟的需求，能够提高试验数据的可靠性，为工程设计和施工提供更稳定的数据支撑。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。