基于机器学习的电力隧道施工工法预测

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。