基于机器学习的电力隧道施工工法预测

摘要：

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.

关键词：机器学习、电力隧道、开挖工法、软件开发

所属期刊栏目：54

分类号：TU74(建筑施工)

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：657-660