RF机器学习算法在边坡渗压预测中的应用研究

作者：王香帅; 黄铭^*

来源：水利科技与经济, 2020, 26(05): 17-22.

• 随机森林
• 边坡
• 渗压预测
• 逐步回归
• BP神经网络

为准确反映边坡渗压与影响因素之间复杂的非线性关系,提高渗压预测的精度及稳定性,将随机森林(random forest,RF)算法引入到边坡渗压预测中。通过分析影响边坡渗压的主要因素,选取水位因子、降雨因子、时效因子作为模型输入变量,分析袋外(out-ofbag,OOB)数据误差,确定参数的最优组合,构建一种基于RF算法的边坡渗压预测模型。对某渠道边坡的渗压实测数据进行分析预测,并与BP神经网络(back propagation neural network,BPNN)模型及逐步回归模型进行对比。结果表明,所建RF模型精度高,稳定性好,能够更有效地进行渗压预测。

• 单位
  合肥工业大学