长江科学院院报 ›› 2024, Vol. 41 ›› Issue (2): 135-141.DOI: 10.11988/ckyyb.20221277
徐国权1, 王鑫瑀2
XU Guo-quan1, WANG Xin-yu2
摘要: 将无损检测技术与机器学习相结合,通过建立预测模型来快速确定岩石抗拉强度已经成为热门研究方向之一。为了建立预测模型,提出一种基于多元自适应回归样条(MARS)的数据驱动建模技术,用于岩石抗拉强度预测。共收集了80组试验数据,包括施密特回弹数、干密度、点荷载强度指数以及巴西抗拉强度。所有数据被随机分为2个部分,其中70%的数据用于训练模型,剩余30%的数据用于测试模型性能。同时开发了人工神经网络、支持向量机和决策树3种数据驱动模型。选择了4种常用的模型性能评价指标,分别为均方根误差、平均绝对误差、相关系数和决定系数,以此来对所开发模型的预测性能进行比较。结果表明:所开发的智能模型均能够提供较高的预测精度,其中MARS模型性能优于其他3种模型,支持向量机和人工神经网络模型次之,决策树模型相对较差。值得一提的是,MARS模型能够通过方差分析来评估每个变量的相对重要性。研究成果有助于快速确定岩石抗拉强度。
中图分类号: