| 基于RF和KNN的地下采场开挖稳定性评估 |
| |
| 引用本文： | 仉文岗,?覮,李红蕊,巫崇智,王林. 基于RF和KNN的地下采场开挖稳定性评估[J]. 湖南大学学报(自然科学版), 2021, 48(3): 164-172. DOI: 10.16339/j.cnki.hdxbzkb.2021.03.017 |
| |
| 作者姓名： | 仉文岗 ?覮 李红蕊 巫崇智 王林 |
| |
| 作者单位： | 重庆大学土木工程学院,重庆400045;库区环境地质灾害防治国家地方联合工程研究中心(重庆大学),重庆400045;山地城镇建设与新技术教育部重点实验室(重庆大学),重庆400045;重庆大学土木工程学院,重庆400045 |
| |
| 基金项目： | High-end Foreign Expert Introduction Program;重庆市建设科技计划项目;Fundamental Research Funds for the Central Universities ;中央高校基本科研业务费资助项目;科技部高端外专项目 |
| |
| 摘 要： | 针对传统地下采场开挖稳定评估方法存在的局限性,引入机器学习方法,提出基于随机森林算法(Random forest,RF)和K-最近邻算法(K-nearest neighbor,KNN)的地下采场开挖稳定性预测模型.以加拿大8个采场为例,首先,获取并分析399组观测数据,其中涵盖了相应的岩石质量分级(Rock Mass Rating,RMR)值、跨度以及对应的稳定、潜在不稳定或不稳定状态.然后将地下采场的稳定性程度进行三分类及二分类,采用10折交叉验证方法进行模型超参数优化,在不作任何假设的前提下,捕捉地下采场开挖稳定性与RMR值、跨度之间的复杂关系.研究表明:二分类结果准确性高于三分类预测结果;在二分类方式下,两种算法的准确率及召回率均高于90％,其中KNN算法的表现优于RF算法;提出的两种方法较先前研究的正确率有很大提升,为开挖稳定性评估提供了可靠途径.
|
| 关 键 词： | 随机森林 K-最近邻 开挖稳定性 交叉验证 召回率 |
Stability Assessment of Underground Entry-type Excavations Using Data-driven RF and KNN Methods |
| |
| ZHANG Wengang,LI Hongrui,WU Chongzhi,WANG Lin. Stability Assessment of Underground Entry-type Excavations Using Data-driven RF and KNN Methods[J]. Journal of Hunan University(Naturnal Science), 2021, 48(3): 164-172. DOI: 10.16339/j.cnki.hdxbzkb.2021.03.017 |
| |
| Authors: | ZHANG Wengang LI Hongrui WU Chongzhi WANG Lin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《湖南大学学报(自然科学版)》下载全文 |
|
