-
题名融合机器学习与动态模型优化的雪崩预测及防治策略
- 1
-
-
作者
金永超
王志坚
贾慧爽
杜云天
胡鑫婷
陈学斌
-
机构
华北理工大学理学院
华北理工大学经济管理学院
华北理工大学冶金与能源学院
华北理工大学河北省数据科学与应用重点实验室
-
出处
《应用科学学报》
北大核心
2025年第1期35-50,共16页
-
基金
国家自然科学基金(No.U20A20179)资助。
-
文摘
爆破是防止雪崩的有效方法,但合适的爆破时间、爆破位置和爆破能量很难确定。本文首先收集、爬取了关于雪崩的指标数据,并对数据进行预处理。然后对数据进行探索性数据分析,重点分析时间与雪崩发生的关系,发现雪崩具有明显的季节性。以数据的80%为训练集,20%为测试集,建立支持向量机、随机森林和感知器神经网络模型,并利用贝叶斯优化算法对模型进行参数寻优,结果显示感知器神经网络的准确率最高。最后根据损失度对3个模型进行集成,对3个集成策略进行对比,结果显示SVM-RF-MLP模型的准确率最高为0.952。此后,建立基础的爆破能量模型,考虑山体高度、雪层密度随时间的变化,再基于历史数据寻找雪层稳定性的分布规律,构建动态雪崩稳定性爆破能量模型。通过对数据进行模拟验证以及对其进行三维山体可视化分析,获得最佳的爆破时机、爆破位置和爆破能量。
-
关键词
贝叶斯优化算法
SVM-RF-MLP模型
动态雪崩稳定性爆破能量模型
-
Keywords
Bayesian optimization algorithm
SVM-RF-MLP model
dynamic avalanche stability blasting energy model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
