基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别

摘要：

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法.创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究.根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列.随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98％.为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力.当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低.

关键词：铁路隧道;随机森林;序列选择;预测模型;防水板;影响因素;前向序列选择

所属期刊栏目：62

分类号：U456.3(隧道工程)

资助基金：中国铁道科学研究院集团有限公司基金;中国铁道科学研究院集团有限公司标准计量研究所基金

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：131-136