中文摘要：
目的：
研究机器学习技术在利用孔压静力触探测试(CPTu)识别高灵敏度黏土和快黏土的潜力。
创新点：
1.成功应用机器学习方法从CPTu结果中分类出高灵敏度黏土和快黏土，并将结果与不同地点的实际土层进行了比较。2.通过对机器学习算法的多次训练确定了可以获得良好结果的最少CPTu个数。
方法：
1.基于对两个位置已知和土层确定的CPTu数据集的分析，使用3种机器学习图像分类方法（逻辑回归、朴素贝叶斯和隐藏马尔科夫模型）将CPTu数据用于样本分类。2.将结果与实际土层进行比较，识别高灵敏度黏土和快黏土，并从计算性能度量方面比较3个方法的优缺点。
结论：
仅采用4个CPTu训练样本便可获得基于逻辑回归、朴素贝叶斯和隐藏马尔科夫模型的识别高灵敏度黏土和快黏土的3个分类模型,且分类精度良好。
关键词：
机器学习；分类；快黏土；高灵敏度黏土
作者：
CristianGodoy,IvanDepina,VikasThakur本文引用格式：
CristianGodoy,IvanDepina,VikasThakur,.Applicationofmachinelearningtotheidentificationofquickandhighlysensitiveclaysfromconepenetrationtests.JournalofZhejiangUniversity-SCIENCEA(AppliedPhysicsEngineering),21(6):-.