期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于可解释GWO-XGBoost的隧道挤压预测研究
1
作者 李占科 许正魁 +4 位作者 王艳宁 王昆 贾运甫 车璇 关鹏 《水利水电技术(中英文)》 北大核心 2025年第4期82-93,共12页
【目的】为了实现对隧道挤压的准确预测,【方法】构建了XGBoost分类预测模型,利用灰狼优化算法(GWO)对XGBoost模型进行超参数优化,基于经过插补和过采样处理的不平衡缺失数据集进行模型的训练和测试。模型的输入特征为隧道埋深(H)、岩... 【目的】为了实现对隧道挤压的准确预测,【方法】构建了XGBoost分类预测模型,利用灰狼优化算法(GWO)对XGBoost模型进行超参数优化,基于经过插补和过采样处理的不平衡缺失数据集进行模型的训练和测试。模型的输入特征为隧道埋深(H)、岩石掘进质量指数(Q)、隧道直径(D)、强度应力比(SSR)和支护刚度(K),评价指标为准确率(ACC)、F1分数、Kappa系数和Matthews相关系数(MCC)。【结果】所构建的GWO-XGBoost模型在训练集和测试集上预测准确率均达到了98.94%,在测试集上的评价指标累计值达到了5.9131,展现出了优越的预测性能。SSR、D、K、Q和H的平均Shapley可加性解释(Shapley Additive exPlanation,SHAP)值分别为3.06、1.07、0.82、0.73和0.51,表明SSR是对模型输出结果影响最大的特征。【结论】GWO-XGBoost模型在互助北山隧道和木寨岭隧道的挤压预测结果与实际情况相符,证明了该模型在隧道工程中具有较高的适用性和预测准确性。 展开更多
关键词 隧道挤压预测 XGBoost 灰狼优化算法 模型解释 缺失数据集 变形 影响因素
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部