基于FOA-RF算法的心墙砾石土压实质量预测模型

摘要：

针对随机森林(RF)算法预测心墙砾石土压实质量存在决策树数量选取缺乏深入研究和忽视P0.075 质量分数对压实质量影响的问题,提出了一种基于果蝇优化(FOA)算法的随机森林算法(FOA-RF算法),并构建了基于FOA-RF 算法的心墙砾石土压实质量预测模型(FOA-RF 模型).该模型一方面通过对料源参数和干密度进行相关性分析,新增了P0.075 质量分数作为模型的输入参数;另一方面利用FOA算法对随机森林进行优化,解决了RF算法难以取得决策树数量最优解、没有同时考虑决策树数量与随机特征数影响的问题.以西南某在建砾石土心墙堆石坝工程为例,分别应用基于传统RF、BP神经网络、多元线性回归的预测模型和FOA-RF模型进行压实质量预测.结果表明,FOA-RF模型在预测精度上具有优越性,并基于该模型开发压实质量预测模块,将该模块嵌入碾压质量实时监控系统中可实现压实质量的实时预测.

关键词：堆石坝、砾石土心墙、压实质量预测、随机森林、果蝇优化算法

所属期刊栏目：43

分类号：TV512(水利工程施工)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-05-25（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：42-48