基于集成树算法的岩石黏聚力和内摩擦角预测方法
|
李地元,杨博,刘子达,刘永平,赵君杰
|
Prediction Method of Rock Cohesion and Internal Friction Angle Based on Ensemble Tree Algorithm
|
Diyuan LI,Bo YANG,Zida LIU,Yongping LIU,Junjie ZHAO
|
|
表4 模型的性能指标及得分
|
Table 4 Performance indicators and scores of the models
|
|
预测参数 | 模型 | 数据集 | R2 | MAE | RMSE | VAF/% | 最终 得分 |
---|
数值 | 得分 | 数值 | 得分 | 数值 | 得分 | 数值 | 得分 |
---|
c/MPa | RF | 训练集 | 0.998 | 2 | 0.124 | 2 | 0.189 | 2 | 99.861 | 2 | 16 | 测试集 | 0.990 | 2 | 0.387 | 2 | 0.524 | 2 | 99.056 | 2 | ET | 训练集 | 0.999 | 5 | 0.018 | 5 | 0.032 | 3 | 99.996 | 3 | 36 | 测试集 | 0.993 | 5 | 0.309 | 5 | 0.450 | 5 | 99.306 | 5 | AdaBoost | 训练集 | 0.982 | 1 | 0.572 | 1 | 0.672 | 1 | 98.304 | 1 | 8 | 测试集 | 0.979 | 1 | 0.612 | 1 | 0.764 | 1 | 98.060 | 1 | GBDT | 训练集 | 0.999 | 5 | 0.021 | 3 | 0.030 | 4 | 99.997 | 4 | 30 | 测试集 | 0.992 | 4 | 0.336 | 3 | 0.471 | 4 | 99.245 | 3 | CatBoost | 训练集 | 0.999 | 5 | 0.020 | 4 | 0.025 | 5 | 99.998 | 5 | 33 | 测试集 | 0.991 | 3 | 0.333 | 4 | 0.488 | 3 | 99.249 | 4 | φ/ (°) | RF | 训练集 | 0.992 | 2 | 0.232 | 2 | 0.362 | 2 | 99.292 | 2 | 20 | 测试集 | 0.964 | 3 | 0.662 | 3 | 0.902 | 3 | 96.534 | 3 | ET | 训练集 | 0.999 | 5 | 0.053 | 5 | 0.085 | 5 | 99.961 | 5 | 39 | 测试集 | 0.970 | 5 | 0.612 | 4 | 0.823 | 5 | 97.058 | 5 | AdaBoost | 训练集 | 0.904 | 1 | 1.026 | 1 | 1.327 | 1 | 90.515 | 1 | 8 | 测试集 | 0.892 | 1 | 1.284 | 1 | 1.566 | 1 | 89.292 | 1 | GBDT | 训练集 | 0.999 | 5 | 0.063 | 4 | 0.087 | 4 | 99.959 | 4 | 34 | 测试集 | 0.966 | 4 | 0.579 | 5 | 0.873 | 4 | 96.684 | 4 | CatBoost | 训练集 | 0.998 | 3 | 0.136 | 3 | 0.167 | 3 | 99.849 | 3 | 20 | 测试集 | 0.962 | 2 | 0.702 | 2 | 0.919 | 2 | 96.349 | 2 |
|
|
|