基于随机森林分类算法的边坡稳定预测模型

• 作者: 何启 戴波 胡添翼 薛洋 黄梦婧
• 来源期刊: 人民黄河
• 学科: 工学
• 关键词: 随机森林 分类算法 边坡稳定 预测模型 精度比较
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 工程勘测设计
• 页码范围: 115-118
• 页数: 4页
• 分类号: TV698.1
• 字数: 3285字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2017.05.027

摘要

基于随机森林分类算法,提出一种边坡稳定预测模型应用收集的边坡稳定状态实例资料,选取边坡的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等参数,对边坡稳定性进行预测,并与SVM模型和RBF神经网络模型的预测精度相比较;研究了随机森林模型中决策树的数量对模型预测精度的影响,并最终确定在样本数目为100左右时,模型中树的棵数设为500较合适.模型预测结果表明:选取的边坡参数比较合理,随机森林预测模型较其他模型更为精准,能有效预测边坡的稳定状态.