基于机器学习的边坡安全稳定性评价及防护措施
为了更加快捷、高效地判定边坡稳定与否,基于机器学习,融合主成分分析法(PCA)、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系.研究发现,运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及梯度提升(XGBoost)两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型.与此同时,采取卡方检验、F检验以及互信息法3种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施.
边坡稳定性评价;机器学习;随机森林;XGBoost;防护措施
44
X936(安全工程)
中央高校基本科研业务费专项资金资助项目;国家自然科学基金资助项目
2022-01-06(万方平台首次上网日期,不代表论文的发表时间)
共9页
180-188