文献检索-宁波市创意产业特色资源库

限定检索结果

基于随机森林算法的砂土液化预测方法: 收藏
分享
引用; 《物探与化探》2020年第6期44卷 1429-1434页; 作者：彭刘亚解惠婷冯伟栋安徽省地震局安徽省地震工程研究院安徽合肥230031; 砂土液化的影响因素较多且复杂。以唐山大地震的72个场地的实测液化样本数据为例,在不丢失任何信息的前提下,选取了8个砂土液化的判别指标,通过计算样本数据的Gini系数,采用CART算法的决策树对数据的特征属性进行划分。在此基础之上,通...; 砂土液化的影响因素较多且复杂。以唐山大地震的72个场地的实测液化样本数据为例,在不丢失任何信息的前提下,选取了8个砂土液化的判别指标,通过计算样本数据的Gini系数,采用CART算法的决策树对数据的特征属性进行划分。在此基础之上,通过增加多个决策树构造随机森林的方式,在一定程度上降低了单个决策树学习过度造成的过拟合风险,同时,通过10轮交叉验证的方式确定了决策树的最大高度为5,随机森林中决策树的个数为20时,模型的效果达到最佳。研究结果表明,与抗震设计规范中的标贯试验法判别公式相比,决策树模型和随机森林模型的训练结果和预测结果有显著提高,尤其是随机森林模型在训练样本和预测样本上均没有出现误判,稳定性更高。; 来源：详细信息评论

限定检索结果