典型文献
基于机器学习的边坡安全稳定性评价及防护措施
文献摘要：
为了更加快捷、高效地判定边坡稳定与否,基于机器学习,融合主成分分析法(PCA)、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系.研究发现,运用PCA可以在保留80％数据原信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及梯度提升(XGBoost)两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型.与此同时,采取卡方检验、F检验以及互信息法3种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施.
文献关键词：
边坡稳定性评价;机器学习;随机森林;XGBoost;防护措施
中图分类号：
作者姓名：
武梦婷;陈秋松;齐冲冲
作者机构：
中南大学资源与安全工程学院, 长沙 410083
文献出处：
引用格式：
[1]武梦婷;陈秋松;齐冲冲-.基于机器学习的边坡安全稳定性评价及防护措施)[J].工程科学学报,2022(02):180-188
A类：
B类：
基于机器学习,边坡安全,安全稳定性,定边,参数调整,影响因素权重,权重分析,六维,梯度提升,XGBoost,稳定性评估,佳评,卡方检验,互信息法,相关性检验,评价因子,重要程度,可视化展示,容重,内摩擦角,内聚力,内在因素,终将,安全防护措施,边坡稳定性评价
AB值：
0.313889
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。
