- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
科技导报2014,32(4/5)
露天煤矿边坡稳定性的随机森林预测露天煤矿边坡稳定性的随机森林预测
模型模型
温廷新,张波
辽宁工程技术大学系统工程研究所,葫芦岛125105
摘要摘要 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针
对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模
型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6个指标作为边坡稳定性
的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性
影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模
型的学习训练;另用12组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机
森林预测模型的准确率,同时与SVM和BP神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6个指标建立的随
机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状
态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。
关键词关键词 随机森林;CART;边坡稳定性;露天煤矿
中图分类号中图分类号 TP306.1 文献标志码文献标志码 A doidoi 10.3981/j.issn.1000-7857.2014.h1.018
PredictionModelforOpen-pitCoalMineSlopeStabilityBasedon
RandomForest
WENTingxin,ZHANGBo
SystemEngineeringInstitute,LiaoningTechnologicalUniversity,Huludao 125105,China
AbstractAbstract Slopeengineeringisakeyprojectinopen-pitcoalmines.Thestabilityoftheslopeiscloselyrelatedtosafetyproductionof
coalmines.Slopestabilitypredictionisaprerequisiteinslopecontrol,facedwithcomplexities.Toquicklyandeffectivelydetermine
thecoalmineslopestability,thispaperestablishesapredictionmodelusingtherandomforestalgorithm.Sixfactorsinfluencingthe
slopstabilitywereselectedasinputofthepredictionmodel,includingthegravitydensityofrocks,cohesiveforce,internalfriction
angle,slopeangle,slopeheightandporewaterpressure,andslopestabilitystatuswasselectedasoutputofthepredictionmodel.The
randomforestalgorithmwasusedtoestablishthenonlinearrelationshipbetweenslopestabilityfactorsandstabilitystatus.The 30 sets
ofmeasureddatawereusedastrainingdatasettolearnandtraintherandomforestslopestabilitypredictionmodel.Inaddition, 12
groupsofdataasslopestabilitytestdatawereusedtotestthetrainedpredictionmodels.Inthemeantime,theaccuracyoftherandom
forestpredictionmodelswastestedbycomparingthemwiththeSVMandBPneuralnetworkpredictionmodels.Theresultsshowthat
therandomfo
文档评论(0)