如何准确对岩体分级是深埋地下工程的一个难题。针对单一岩体评价模型存在误判的问题,提出了Random Over Sampler (ROS)改进机器学习算法集成权重岩体质量评价方法。采用ROS算法对类别非均衡样本进行采样处理,经SVM、KNN、NB、DT、RBF...如何准确对岩体分级是深埋地下工程的一个难题。针对单一岩体评价模型存在误判的问题,提出了Random Over Sampler (ROS)改进机器学习算法集成权重岩体质量评价方法。采用ROS算法对类别非均衡样本进行采样处理,经SVM、KNN、NB、DT、RBF、RF、LDA、LightGBM、XGBoost和GradientBoosting计算得到初步分级结果。将每一个分类器作为一个指标,确定每一个分类器的权重,建立ROS与机器学习算法的集成权重岩体质量评价模型,得到综合判别结果,大大降低了单一模型误判率。基于ROS改进机器学习算法集成权重提高了岩体质量评价模型的准确率,为岩体质量评价提供一种新的方法。展开更多
文摘如何准确对岩体分级是深埋地下工程的一个难题。针对单一岩体评价模型存在误判的问题,提出了Random Over Sampler (ROS)改进机器学习算法集成权重岩体质量评价方法。采用ROS算法对类别非均衡样本进行采样处理,经SVM、KNN、NB、DT、RBF、RF、LDA、LightGBM、XGBoost和GradientBoosting计算得到初步分级结果。将每一个分类器作为一个指标,确定每一个分类器的权重,建立ROS与机器学习算法的集成权重岩体质量评价模型,得到综合判别结果,大大降低了单一模型误判率。基于ROS改进机器学习算法集成权重提高了岩体质量评价模型的准确率,为岩体质量评价提供一种新的方法。
