岩体质量分类的PCA-RF模型及应用

来源：黄金科学技术杂志2018年第1期北京时间：

作者：刘强，李夕兵，梁伟章

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：为了更合理地确定岩体质量类别，将主成分分析（PCA）与随机森林（RF）算法相结合，提出一种岩体质量分类的PCA-RF模型。选取能够充分反映岩体质量类别的5项指标进行分析，运用主成分分析法对各指标进行相关性处理，依据方差累计贡献率得出3个主成分，从而消除指标间的相关性，减少模型输入。然后采用随机森林模型对岩体质量进行分类，选用现场20组数据作为训练样本、10组数据作为测试样本，利用交叉验证的方法估计泛化误差。结果表明，该方法分类结果与实际结果较吻合，平均准确率达96.7%，同时得出岩体质量所处类别的概率分布，进一步反映岩体质量的复杂度，为工程建设提供更详细的参考依据。

关键词：岩体质量,主成分分析,随机森林,指标相关性,交叉验证,泛化误差

基金资助：国家自然科学基金重点项目“深部资源开采诱发岩体动力灾害机理与防控方法研究”（编号：41630642）和国家自然科学基金面上项目“深部硬岩开挖卸荷的动态响应机理研究”（编号：11472311）联合资助