基于Adaboost.RT算法的隧道沉降时间序列预测研究

• 作者: 严珂 叶敏超 李伟 陆慧娟
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 隧道沉降 回归预测 集成学习 时间序列
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 331-336
• 页数: 6页
• 分类号: TB9
• 字数: 3879字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.03.011

摘要

目的:提高对隧道沉降问题的预测精度.方法:提出一种Adaboost.RT算法集成多种不同基学习模型的预测方法.该方法通过Adaboost.RT算法依据不断更新的权值训练基学习模型,然后使用加权策略结合基学习模型得到最终的强学习模型.结果:针对隧道工程实测数据进行仿真实验,结果表明,与各种学习模型和Adaboost.RT算法集成单一学习模型等方法相比,使用Adaboost.RT算法结合多种基学习模型的方法在预测精度与泛化性方面均有提升.结论:使用Adaboost.RT算法集成多模型的方法能够对隧道沉降问题进行有效的预测研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆慧娟	中国计量大学信息工程学院	101	716	13.0	20.0
2	李伟	中国计量大学信息工程学院	27	92	5.0	8.0
3	严珂	中国计量大学信息工程学院	17	72	5.0	8.0
4	叶敏超	中国计量大学信息工程学院	13	27	3.0	4.0