基于随机森林的隧道建成初期累计沉降量预测

• 作者: 林广东 何军 申小军 徐龙飞 裴莉莉 余婷
• 来源期刊: 计算技术与自动化
• 关键词: 公路隧道 沉降预测 机器学习 随机森林 深度神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 计算机软件及应用
• 页码范围: 160-163
• 页数: 3页
• 分类号: TP39
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202201028

摘要

隧道建设是公路建设中一类重要的工程，沉降是隧道质量监测的一项重要指标。为预防沉降带来的安全隐患，确保后期隧道正常运行，在建成初期对隧道的沉降累积量进行实时监测并对后期沉降作出较为准确的预测是很有意义的。采用随机森林模型对隧道建成初期的隧道累计沉降量进行预测，并将该模型的预测结果与深度神经网络模型做对比分析。结果表明，随机森林模型对沉降累积量的预测精度更高，能够对隧道建成初期的累计沉降量进行有效的预测，为隧道的安全监测提供数据支持。