岩体质量分类的PCA-RF模型及应用

摘要：

为了更合理地确定岩体质量类别,将主成分分析(PCA)与随机森林(RF)算法相结合,提出一种岩体质量分类的PCA-RF模型.选取能够充分反映岩体质量类别的5项指标进行分析,运用主成分分析法对各指标进行相关性处理,依据方差累计贡献率得出3个主成分,从而消除指标间的相关性,减少模型输入.然后采用随机森林模型对岩体质量进行分类,选用现场20组数据作为训练样本、10组数据作为测试样本,利用交叉验证的方法估计泛化误差.结果表明,该方法分类结果与实际结果较吻合,平均准确率达96.7%,同时得出岩体质量所处类别的概率分布,进一步反映岩体质量的复杂度,为工程建设提供更详细的参考依据.

关键词：岩体质量、主成分分析、随机森林、指标相关性、交叉验证、泛化误差

所属期刊栏目：26

分类号：TU457(土力学、地基基础工程)

资助基金：国家自然科学基金重点项目"深部资源开采诱发岩体动力灾害机理与防控方法研究"41630642;国家自然科学基金面上项目"深部硬岩开挖卸荷的动态响应机理研究"11472311

在线出版日期：2018-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-55