Entropy-KNN算法在岩性识别中的应用研究

作者：王林; 王禹杰

来源：安徽建筑, 2021, 28(05): 95-97.

DOI：10.16330/j.cnki.1007-7359.2021.05.046

• Entropy-KNN
• 岩石力学参数
• 属性值信息熵
• 岩石分类

为解决辽西隧道三号斜井正洞至出口区间岩性结构复杂多变、岩体破碎,识别岩性困难问题,利用该研究区隧道超前地质预报数据,经过滤波,得到岩石力学参数,提出基于属性值信息熵的Entropy-KNN分类模型识别岩性,使分类精度由70.3%提高至78.5%。KNN分类算法适合于多分类、多重合分类问题,可应用于岩性识别中。传统KNN方法只考虑不同类别临近点样本个数,距离加权-KNN方法只考虑不同类别临近点样本个数平均距离,分类效果欠佳。Entropy-KNN分类将传统KNN、距离加权-KNN与属性值信息熵结合,区别对待不同特征和不同样本点,为基于岩石力学参数识别岩性提供一种新的思路。