基于双采样随机森林的临滑阶段的预测算法:以湖北黄石5号铁矿石治理地块为例

针对碎石土边坡监测过程中滑坡稳定变形期与临滑阶段监测数据量严重不匹配,导致临滑阶段数据量偏小,从而产生的非平衡数据集造成预判不准确的问题,提出了一种基于DST随机森林的碎石土边坡临滑阶段地表位移的预测算法。首先,采用过采样和欠采样相结合的双采样技术(double sampling technique,DST)对地表位移中的非平衡数据集进行采集,然后,通过随机森林预测算法有放回的随机抽样进行预测,最后,通过实验得出预测结果。结果表明:DST随机森林预测算法相比于普通随机森林预测算法预测误差率降低到3.39%,证明双采样技术(DST)采集临滑阶段非平衡数据集的必要性。

滑坡危险性评价预测的新思路

滑坡的多样性、复杂性、多因素等特征 ,使其具有很大的破坏性 ,也增加了其危险性评价与预测的难度。近2 0年来 ,滑坡平均每年至少造成 15 0亿元至 2 0 0亿元的经济损失。由此 ,滑坡危险性的评价及预测在我国国民经济建设中起着非常重要的作用。国内外许多学者对此也做了深入的研究 ,提出了很多有效的预测措施 ,在一定的程度上减少了国家的经济损失。针对目前研究现状 ,笔者系统分析和总结了当今滑坡危险性评价与预测的研究方法 ,结合未来灾害学的发展方向 ,提出了一种基于信息熵理论研究的新思路 。