基于AdaBoost组合学习方法的岩爆分类预测研究

详细信息   

• 责任者：葛启发^c东北大学^d1980^e硕士研究生 ; 冯夏庭
• 刊名：岩土力学
• 出版年：2008
• 卷期：29^b4总148
• 关键词：岩爆20^a分级 ; 分类 ; 神经网络系统 ; 预测 ; 模型30^a分类器
• 页码：943～948
• 索书号：P478.06/357
• 图表：^c表2参19插图
• 分类号：1600
• 文摘期号：2008/10

摘要

针对岩爆等级划分问题,考虑了岩爆灾害发生的多种主要影响因素,采用新的数据挖掘方法AdaBoost(即Adaptive Boosting)的组合学习方法,结合流行的人工神经网络BP算法,构建了集成神经网络AdaBoost‐ANN(简称AB‐ANN)的岩爆等级多分类预测模型。该模型克服了单一弱分类器的不稳定性,提高了分类器精度,实验结果表明,预测的结果与实际值比较吻合,证明了该方法的可行性。