中国安全科学学报

作者：卢佳乐, 张念, 牛萌萌, 万飞

单位：1 太原理工大学 土木工程学院,山西 太原 030024；2 北京交通大学 隧道及地下工程教育部工程研究中心,北京 100044；3 交通运输部公路科学研究所,北京 100088

关键词：Stacking集成学习,隧道突水,预测模型,危险等级,机器学习

基金：中央引导地方科技发展资金资助(YDZJSX20231A021); 隧道及地下工程教育部工程研究中心(北京交通大学)开放研究基金资助(TUC2024-03); 中央级公益性科研院所基本科研业务费项目(2024-9006)

为解决机器学习在隧道突水危险智能预测领域存在的模型较单一和预测精度不够理想等问题,提出一种基于Stacking集成学习方法的预测模型。首先,通过搜集95条隧道共计232组隧道突水灾害数据建立隧道突水灾害数据集,并进行数据预处理;然后,选取3种基学习器和2种元学习器以不同组合方式训练出8组Stacking集成模型,并筛选出6组较优的集成模型;最后,使用网格搜索调参并结合5折交叉验证超参数调优模型,对比分析6组参数调优后的Stacking集成模型的预测结果,选择出最优Stacking集成模型。结果表明:采用Stacking集成学习方法改进最优单模型支持向量机(SVM)后得到SVM+朴素贝叶斯(NB )+线性回归(LR)集成模型,其精确率、召回率和F1分数分别达到0.94、0.91和0.92,整体预测效果优于其他对比模型,可准确预测隧道突水危险等级。

来源：2025年第4期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第4期