基于 C4.5决策树算法的土质边坡稳定性评价研究
采用神经网络进行土质边坡稳定性评价时,差异性较大的训练样本往往会使评价结果不太理想。针对这一问题引入 C4.5决策树算法,采用多个土质边坡工程的实测数据,运用信息增益率进行分类属性的选择,并对建立好的树体结构进行剪枝操作,建立基于决策树的土质边坡稳定性评价模型。将该模型与 BP 神经网络和 LVQ (Learning Vector Quantization,学习向量量化)神经网络进行对比分析,结果显示决策树模型分类正确率最高,达到90%,模型所用时间为2.24 s,表明把决策树用于土质边坡稳定性评价是合理的。
土质边坡、稳定性预测、决策树、BP 神经网络、LVQ 神经网络
TU444(土力学、地基基础工程)
国家自然科学基金资助项目51204098
2016-01-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
82-86