基于机器学习的电力隧道施工工法预测 |
| |
引用本文: | 张小颖,李继波,黄业胜,郭飞,傅睿智,郭庆宇.基于机器学习的电力隧道施工工法预测[J].建筑技术,2023(6):657-660. |
| |
作者姓名: | 张小颖 李继波 黄业胜 郭飞 傅睿智 郭庆宇 |
| |
作者单位: | 1. 北京电力经济技术研究院有限公司;2. 北京市政建设集团有限责任公司 |
| |
摘 要: | 在电网的建设中,合理的施工方法不仅能够有效地降低成本、减少工期,并可在很大程度上减少施工过程中的风险,因此,提供一个能够合理预测电力隧道施工工法的系统显得尤为重要。本研究采用决策树、随机森林、XGBoost、KNN和BP神经网络5种机器学习算法对电力隧道开挖工法进行预测。以全国10余个省、市电网所提供的电力隧道工程工法应用情况为基础,整理出855条数据集,包括7个影响开挖工法的参数,并将75%的数据用于训练预测模型,25%用于验证。最后将预测结果和真实值进行比较,发现决策树、XGBoost与BP神经网络在电力隧道开挖工法方面的预测效果要优于随机森林和KNN算法。最终在此基础上设计出可以智能推荐开挖工法的软件。
|
关 键 词: | 机器学习 电力隧道 开挖工法 软件开发 |
|
|