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

摘要：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。

发文机构：中国科学院山地灾害与地表过程重点实验室 中国科学院水利部成都山地灾害与环境研究所 中国科学院大学

关键词：支持向量机随机森林窗口坝闭塞度相似分析机器学习support vector machinerandom forestwindow-frame damextent of closingsimilarity analysismachine learning

分类号： P642.23[天文地球—工程地质学]