基于改进迁移学习算法的岩体质量评价模型

摘要：

岩体质量分级是进行工程设计和施工的基础.通过搜集不同地区55组实测样本和17组插值样本建立案例库,考虑岩体的复杂不确定性和异地岩体的差异性,在案例库基础上提出了一种改进两阶段回归迁移学习(Two-stage TrAdaBoost.R2)—孤立森林(Isolated Forest)多因素岩体质量等级预测模型.将广州抽水蓄能电站第1期地下工程的12个样本用于模型测试,结果表明:(1)迁移学习可以通过权重调整选出与目标区域岩体相似的样本,解决了传统机器学习方法中同区域训练样本数量不足的问题.(2)孤立森林算法与迁移学习相结合可以排除异常数据的影响,增加模型的稳定性.(3)利用训练好的模型对12个测试样本进行多次判定,结果与实际情况基本相符,验证了模型的有效性.

关键词：岩石力学;岩体质量评价;机器学习;迁移学习;孤立森林;TrAdaBoost算法

所属期刊栏目：29

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41672298

在线出版日期：2022-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：826-833