基于SVM-RF的泥石流窗口坝闭塞度判别研究

作者：焦亮; 柳金峰^*; 游勇; 袁东; 周文兵

来源：防灾减灾工程学报, 2020, 40(03): 439-466.

DOI：10.13409/j.cnki.jdpme.2020.03.016

• 支持向量机
• 随机森林
• 窗口坝
• 闭塞度
• 相似分析
• 机器学习

为了研究野外泥石流防治工程中窗口坝的开口闭塞类别,基于量纲分析理论,以室内水槽试验模拟实际工程,分析模型试验与实际工程的相关物理量及对应的相似准数;引入支持向量机和随机森林分类模型,在开源机器学习工具Scikit-Learn中,采用python编程实现算法;以室内水槽试验数据作为支持向量机和随机森林的训练样本,进行机器学习得到分类模型,提出一种用于判别泥石流窗口坝闭塞类型的新方法;将测试结果与经验公式中闭塞度判别值F的分类结果进行正确率对比,结果表明,F值的分类准确率为88%,而支持向量机为92%,随机森林为94%,随机森林分类效果最好,机器学习理论为泥石流窗口坝在实践中的设计提供了新思路。

• 单位
  中国科学院大学; 中国科学院、水利部成都山地灾害与环境研究所