-
题名集成学习在运营隧道病害预测中的研究与应用
被引量:4
- 1
-
-
作者
时波
王如路
李家平
-
机构
上海勘察设计研究院(集团)有限公司博士后科研工作站
复旦大学计算机科学技术学院
上海申通地铁集团有限公司
上海地铁监护管理有限公司
-
出处
《地下空间与工程学报》
CSCD
北大核心
2022年第S01期358-363,378,共7页
-
基金
国家自然科学基金青年基金项目(42002272)
上海市科委课题(18DZ1205904、19DZ1200801)
上海申通地铁集团课题(JS-KY19R022-WT-20030)
-
文摘
轨道交通运营安全是城市安全的重要保障。隧道是城市轨道交通的主要形式之一,其结构安全受地质条件、施工质量等各种复杂因素影响,各种因素之间会形成复杂的非线性关系。及时的预警隧道结构病害,有利于降低地铁运营风险,保证地铁隧道长期运营。传统的隧道结构安全评估是从发现已有的病害出发,评估分析已有病害发展规律,再提出维护方案,目前还末有直接预测病害发生的相关研究。机器学习算法可以综合考虑各种影响因素,通过训练模型逼近病害与其影响因素之间的复杂非线性关系,从而预测下一阶段病害的发生。利用机器学习算法中的两种典型的集成学习算法-随机森林算法和XGBoost算法,训练隧道结构病害预测模型,并通过预测结果与真实结果的对比,根据准确率、召回率、F1值等评价指标,评估预测模型效果。实验证明,预测模型准确率可达90%以上,F1值可达80%以上,预警模型可为政府和隧道维保部门提供辅助决策支持。
-
关键词
集成学习
随机森林
XGBoost
运营隧道
隧道病害预测
-
Keywords
ensemble learning
random forest
XGBoost
operational tunnel
tunnel disease prediction
-
分类号
U457
[建筑科学—桥梁与隧道工程]
-