Abstract：
为对边坡稳定性进行广义高效地准确判断,引入了一种新型的CatBoost集成学习算法评价边坡稳定性.根据边坡基本几何与地质要素,无需数值建模与计算,直接客观地评判边坡稳定性状态,并从概率信息论角度给出边坡稳定性概率,实现速度快、精度高、稳健性好的广域尺度下边坡稳定性评价.以影响边坡稳定性的5个主要因素作为评价指标,创造了大型边坡稳定性评价数据集,据此构建了基于CatBoost集成学习的边坡稳定性预测模型.仿真结果表明,对比常见机器学习和代表性集成学习模型,CatBoost模型预测效果明显优于其他模型,且减少了超参数调优需求,更具有通用性、客观性和可靠性,可有效应用于边坡稳定性初步评价.通过举例仁化(湘粤界)至博罗高速公路仁化至新丰段某边坡工程,验证了基于CatBoost集成学习的边坡稳定性评价方法的可行性.
Keyword：
Reprint 's Address：
Email：
Source ：
科学技术与工程
ISSN： 1671-1815
Year： 2024
Issue： 30
Volume： 24
Page： 13153-13160
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
