基于随机森林方法的岩石节理粗糙度系数研究 |
| |
引用本文: | 宋康明,姜阳厚,谭志祥,周才文,陈 锐,朱冬丽.基于随机森林方法的岩石节理粗糙度系数研究[J].地质科技通报,2018,37(3):263-267. |
| |
作者姓名: | 宋康明 姜阳厚 谭志祥 周才文 陈 锐 朱冬丽 |
| |
摘 要: | 岩石节理粗糙度系数(JRC)是研究岩石力学的重要参数之一。为 精 确 有 效 地 描 述JRC,提 出 了 一 种 基 于 随 机 森 林(Randomforest,RF)算法研究JRC 的新方法。首先,详细叙述了 RF算法的原理和实现流程;然后,简要分析了影响JRC的一些统计参数,确定了7个重要的基本变量,岩石节理粗糙度系数(JRC)是研究岩石力学的重要参数之一。为 精 确 有 效 地 描 述JRC,提 出 了 一 种 基 于 随 机 森 林(Randomforest,RF)算法研究JRC 的新方法。首先,详细叙述了 RF算法的原理和实现流程;然后,简要分析了影响JRC的一些统计参数,确定了7个重要的基本变量,用6组实测数据对训练后的 RF回归模型进 行 了 测 试,试 验 结 果 表 明:①利用RF回归模型预计的D 值、JRC 值与实测值的最大相对误差仅为3.844%、4.553%。②RF回归模型具有较强的泛化能力,需要考虑的模型参数少,预测精度高,为今后继续研究D 值和JRC 值提供了一种新思路。
|
|
| 点击此处可从《地质科技通报》浏览原始摘要信息 |
| 点击此处可从《地质科技通报》下载免费的PDF全文 |
|