• 《工程索引》(EI)刊源期刊
  • 中文核心期刊(综合性理工农医类)
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于机器学习的边坡安全稳定性评价及防护措施研究

武梦婷 陈秋松 齐冲冲

武梦婷, 陈秋松, 齐冲冲. 基于机器学习的边坡安全稳定性评价及防护措施研究[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2021.06.02.008
引用本文: 武梦婷, 陈秋松, 齐冲冲. 基于机器学习的边坡安全稳定性评价及防护措施研究[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2021.06.02.008
Study on slope safety and stability evaluation and protective measures based on machine learning[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2021.06.02.008
Citation: Study on slope safety and stability evaluation and protective measures based on machine learning[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2021.06.02.008

基于机器学习的边坡安全稳定性评价及防护措施研究

doi: 10.13374/j.issn2095-9389.2021.06.02.008
详细信息
  • 中图分类号: X936

Study on slope safety and stability evaluation and protective measures based on machine learning

  • 摘要: 近年来,由于失稳而造成的边坡事故不计其数,给人类的生产、生活带来了不可估量的代价。因此正确认识边坡,对其进行合理分析与设计,采取适当的防护措施,把失稳导致的损失和危害降到最低,具有重要意义。为了更加快捷、高效地判定边坡稳定与否,本文基于机器学习,融合主成分分析法(PCA)、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系。研究发现,运用PCA可以在保留80%信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及XGBoost两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型。与此同时,本文采取卡方检验、F检验以及互信息法三种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了单位重量、坡高、内摩擦角以及内聚力四个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施。

     

  • 加载中
计量
  • 文章访问数:  24
  • HTML全文浏览量:  2
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 网络出版日期:  2021-08-12

目录

    /

    返回文章
    返回