基于梯度提升决策树算法的膨润土膨胀力预测

• 作者: 王琼 张佳南 高岑 苏薇 刘樟荣 叶为民
• 来源期刊: 世界核地质科学
• 关键词: 膨润土 膨胀力 机器学习 回归模型
• 年，卷（期）: 2024,（3）
• 页码范围: 100-111
• 页数: 12页
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0636.2023.03.008

摘要

膨润土由于其高膨胀、低渗透和良好的核素吸附能力,被公认为高放废物深地质处置库的缓冲/回填屏障首选材料.实际工程中,高压实膨润土的膨胀力是缓冲屏障设计的关键指标之一,但影响因素众多、作用机制复杂,现有理论模型难以综合考虑多种因素的影响.为此,运用作为数据分析可靠手段的机器学习方法,采用泛化能力出众的梯度提升决策树(GBDT)算法,以目前世界上的典型膨润土类型为研究对象,基于对国内、外相关实验研究成果的搜集与梳理,搭建了基于GBDT回归算法的膨润土膨胀力预测模型,并结合既有实验数据进行了验证与应用效果分析.GBDT算法的预测准确率可达91.7%,明显优于随机森林等其他回归算法,模型可为我国已开建的地下实验室现场试验与处置库建设等提供技术参数和理论支撑.