[發(fā)明專利]一種基于隨機(jī)森林機(jī)器學(xué)習(xí)算法的未取樣點(diǎn)巖土參數(shù)評(píng)估方法

在審

• 申請?zhí)枺?/td>: 202011153295.8
• 申請日: 2020-10-26
• 公開（公告）號(hào): CN112329939A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 裴堯堯;鄭志剛;李麗華;肖衡林;馬強(qiáng);陶高梁;劉永莉;李文濤;周鑫隆;鐘楚珩
• 申請（專利權(quán)）人: 湖北工業(yè)大學(xué)
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 楊宏偉

本發(fā)明公開了一種基于隨機(jī)森林機(jī)器學(xué)習(xí)算法的未取樣點(diǎn)巖土參數(shù)評(píng)估方法。根據(jù)有限的實(shí)測巖土參數(shù)數(shù)據(jù)樣本點(diǎn)，基于隨機(jī)森林算法搭建機(jī)器學(xué)習(xí)模型，預(yù)測未取樣點(diǎn)的巖土參數(shù)，進(jìn)而更好地進(jìn)行土體分層，承載力分析、液化評(píng)價(jià)等潛在應(yīng)用。本發(fā)明能夠提高工程勘測效率和勘測質(zhì)量，顯著降低工程勘測成本，與傳統(tǒng)預(yù)測方法相比，本方法具有良好的計(jì)算準(zhǔn)確性，不需要對(duì)模型參數(shù)進(jìn)行重調(diào)，也不需要對(duì)數(shù)據(jù)進(jìn)行縮放，同時(shí)又適用于高維問題，并且不需要對(duì)其降維處理，還能彌補(bǔ)數(shù)據(jù)缺失的不足。

技術(shù)領(lǐng)域

本發(fā)明屬于巖土工程領(lǐng)域，涉及一種巖土參數(shù)評(píng)估方法，具體涉及一種基于隨機(jī)森林機(jī)器學(xué)習(xí)算法的未取樣點(diǎn)巖土參數(shù)評(píng)估方法

背景技術(shù)

巖土結(jié)構(gòu)的設(shè)計(jì)在很大程度上取決于工程場地的巖土性質(zhì)，巖土性質(zhì)一般通過實(shí)地采樣獲取巖土參數(shù)。然而，采樣點(diǎn)的數(shù)量有限，對(duì)未采樣地點(diǎn)土體性質(zhì)的估計(jì)仍然具有挑戰(zhàn)性，主要集中在兩個(gè)方面：

1.由于經(jīng)費(fèi)、人力等問題，實(shí)際勘測范圍有很大局限性，缺少原始的勘察數(shù)據(jù)；

2.由于其不同的土體母質(zhì)、沉積物環(huán)境和加載歷史，巖土性質(zhì)在三維空間上表現(xiàn)出很大的復(fù)雜性。因此，由于空間變異性，不能簡單地從現(xiàn)有測量參數(shù)中插值得到未采樣點(diǎn)的巖土參數(shù)，在數(shù)學(xué)上還缺乏可靠算法。

靜力觸探是有效獲得巖土參數(shù)的重要手段，但取點(diǎn)有限，對(duì)于未取樣點(diǎn)的參數(shù)，只能采用估算的形式。常規(guī)方法有：Kring插值、支持向量機(jī)SVM、Bayesian update、條件隨機(jī)場等。

隨機(jī)森林是用于回歸和分類目前應(yīng)用最廣泛的機(jī)器學(xué)習(xí)方法之一。隨機(jī)森林有良好的計(jì)算準(zhǔn)確性，通常工作良好且不需要像SVM對(duì)參數(shù)進(jìn)行重調(diào)，也不需要對(duì)數(shù)據(jù)進(jìn)行縮放，同時(shí)又適用于高維問題，并且不需要對(duì)其降維處理，還能彌補(bǔ)數(shù)據(jù)缺失的不足。從本質(zhì)上講，隨機(jī)森林共享決策樹的所有優(yōu)點(diǎn)，同時(shí)彌補(bǔ)了它的一些不足。雖然在大型數(shù)據(jù)集上構(gòu)建隨機(jī)森林可能有點(diǎn)耗時(shí)，但它很容易在計(jì)算機(jī)中跨多個(gè)CPU核心并行化，即使在非常大的數(shù)據(jù)集上，隨機(jī)森林通常也能很好地工作。

在本發(fā)明中，根據(jù)有限實(shí)測樣本點(diǎn)的巖土參數(shù)數(shù)據(jù)，基于隨機(jī)森林算法搭建機(jī)器學(xué)習(xí)模型，預(yù)測未取樣點(diǎn)的各種巖土參數(shù)，進(jìn)而開展更多潛在的應(yīng)用，降低了巖土工程中勘測難度和成本，促進(jìn)不同學(xué)科領(lǐng)域之間的融合，取兩者之長，顯著提高工程勘測效率和質(zhì)量，減少實(shí)際工程運(yùn)作成本，具有巨大的應(yīng)用價(jià)值和意義。

發(fā)明內(nèi)容

本發(fā)明提供一種基于隨機(jī)森林算法的對(duì)三維土體未取樣點(diǎn)力學(xué)性能評(píng)估的方法，以解決現(xiàn)有技術(shù)中巖土工程參數(shù)勘測范圍有限且計(jì)算困難不穩(wěn)定的問題。同時(shí)，該發(fā)明實(shí)現(xiàn)方法簡便，模型結(jié)構(gòu)易懂，且不需要對(duì)其參數(shù)有很大的調(diào)整，既降低了計(jì)算難度又提高了預(yù)測精度。

為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案如下：

一種基于隨機(jī)森林機(jī)器學(xué)習(xí)算法的未取樣點(diǎn)巖土參數(shù)評(píng)估方法，其特征在于，包括如下步驟：

(1)建立樣本集

對(duì)原始測試樣本點(diǎn)數(shù)據(jù)進(jìn)行預(yù)處理，提取樣本特征與樣本標(biāo)簽，形成樣本集，樣本特征為土體的三維坐標(biāo)(X,Y,Z)，樣本標(biāo)簽為待測土體的巖土參數(shù)，記為(S₁,S₂…S_n)，S_n為第n 個(gè)巖土參數(shù)，n為大于或等于1的正整數(shù)；

(2)模型訓(xùn)練

將樣本集劃分為訓(xùn)練集和測試集，利用訓(xùn)練集樣本代入隨機(jī)森林算法中進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，由訓(xùn)練集的樣本特征(X_train,Y_train,Z_train)和樣本標(biāo)簽(S_1train,S_2train…S_ntrain)初步形成隨機(jī)森林模型；

(3)測試模型