典型文献
基于LightGBM算法的边坡稳定性预测研究
文献摘要：
为减少边坡失稳造成的灾害和事故,提出基于轻量级梯度提升机(LightGBM)算法的边坡稳定性预测模型;将容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙压力比6个主要影响因素作为模型的输入,将边坡稳定性作为模型的输出;引入基于混淆矩阵的分类性能度量指标和被试工作特性曲线线下面积(AUC),评估模型的泛化性能.结果表明:提出的边坡稳定性预测模型能很好地描述影响因素与边坡稳定性之间复杂的非线性关系;与其他算法相比,LightGBM算法的F1-Score和AUC分别为0.92和0.91,分别提高1.10％～61.40％和1.11％～28.17％;相较于0-均值归一化和反正切归一化,考虑正负相关性的最大值和最小值归一化更适合作为LightGBM模型的前处理方法;通过改变训练数据集长度,进行单因素分析,发现模型的泛化性能与训练数据集长度呈正相关关系.
文献关键词：
轻量级梯度提升机(LightGBM);边坡稳定性;机器学习算法;混淆矩阵;归一化
中图分类号：
作者姓名：
张凯;张科
作者机构：
昆明理工大学电力工程学院,云南 昆明650500;昆明理工大学建筑工程学院,云南 昆明650500
文献出处：
引用格式：
[1]张凯;张科-.基于LightGBM算法的边坡稳定性预测研究)[J].中国安全科学学报,2022(07):113-120
A类：
B类：
LightGBM,边坡稳定性,稳定性预测,预测研究,边坡失稳,轻量级梯度提升机,容重,黏聚力,内摩擦角,边坡角,孔隙压力,混淆矩阵,分类性能,性能度量指标,试工,工作特性,特性曲线,泛化性能,非线性关系,Score,反正切,正负,最小值,前处理方法,训练数据集,机器学习算法
AB值：
0.251153
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
