.png){kind=icon}
返回
An improved robust random forest algorithm for predicting hard rock pillar stability
.png){kind=icon}
PRE
AI
DOI：10.16285/j.rsm.2025.0646.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
岩柱是确保地下矿井安全作业的关键支护结构。准确预测岩柱稳定性对于保障地下空间安全至关重要。因此，我们提出了一种新颖的鲁棒随机森林算法来预测岩柱稳定性。首先，我们建立了一个包含317个硬岩岩柱的数据集。通过交叉验证的递归特征消除，我们选择了六个特征变量作为输入参数：岩柱宽度、岩柱高度、岩柱宽高比、单轴抗压强度、平均岩柱应力以及平均岩柱应力与单轴抗压强度的比值。此外，我们采用链式方程多重插补和孤立随机森林算法来处理缺失值和异常值。其次，为解决随机森林算法中低质量决策树可能导致的决策冗余和性能损失问题，我们引入了决策树净化机制和精度加权策略。这提高了决策效率和预测精度，从而开发出一种用于预测硬岩岩柱稳定性的鲁棒随机森林模型。最后，我们通过性能评估、模型比较、模型解释和工程验证来评价模型的准确性、先进性和可靠性。结果表明，所提出的算法在不需参数优化的情况下实现了满意的预测性能。模型的预测准确率达到88.9%，优于其他机器学习模型，从而为评估地下矿井硬岩岩柱稳定性提供了有效指导。
Keyword:
underground mine
hard rock pillar
stability prediction
robust random forest
machine learning
