期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于RF和KNN的地下采场开挖稳定性评估 被引量:7
1
作者 仉文岗 李红蕊 +1 位作者 巫崇智 王林 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第3期164-172,共9页
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,... 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. 展开更多
关键词 随机森林 K-最近邻 开挖稳定性 交叉验证 召回率
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部