|
|||||
|
|
| 基于随机森林分类算法的边坡稳定预测模型 | |
| 作者单位： | ;1.河海大学水利水电学院;2.河海大学水文水资源与水利工程科学国家重点实验室;3.上海市政工程设计研究总院水利水运设计研究院 |
| 摘 要： | 基于随机森林分类算法,提出一种边坡稳定预测模型。应用收集的边坡稳定状态实例资料,选取边坡的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等参数,对边坡稳定性进行预测,并与SVM模型和RBF神经网络模型的预测精度相比较;研究了随机森林模型中决策树的数量对模型预测精度的影响,并最终确定在样本数目为100左右时,模型中树的棵数设为500较合适。模型预测结果表明:选取的边坡参数比较合理,随机森林预测模型较其他模型更为精准,能有效预测边坡的稳定状态。 |
| 关 键 词： | 随机森林 分类算法 边坡稳定 预测模型 精度比较 |
Slope Stability Forecasting Model Based on Radom Forest Classification Algorithm |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |