地下工程场景下基于改进随机森林的滑坡预测方法

来源：计算机测量与控制杂志2025年第7期北京时间：

作者：许文学,陈金磊,陈宗清,柳倩男,李玉

摘要：为解决传统滑坡预测方法依赖专家经验、难以适应复杂地下工程场景的问题，研究提出一种改进随机森林方法以提升预测精度与泛化能力。通过专业设备采集地下工程滑坡关键参数，经不完备数据处理构建高质量数据集。对比分析k近邻、支持向量机、决策树等分类器的全局与局部分类性能，确定随机森林为最优基础分类器。创新性引入多决策树相关性度量方法，以特征空间内积计算量化决策树间冗余性，通过最优阈值筛选构建改进随机森林。实验表明，改进随机森林的分类精度达93.05%，其Precision、Recall和F1-score指标在不同标签数据上均保持最高稳定性，验证了改进神经网络在整体与局部分类性能上的双重优势。实际工程应用验证了该方法在多维复杂场景下的有效性，为地质灾害智能化预测提供了可靠解决方案。

关键词：滑坡预测;随机森林;相关性度量;数据清洗;地下工程

基金资助：无