BP神经网络与XGBoost预测隧道开挖地表沉降
摘要
本章探讨了利用机器学习算法预测隧道开挖引起的地表沉降问题。首先详细介绍了BP（反向传播）神经网络的原理、数据选取方法（包括地层物性参数的层厚标记法、施工参数和监测数据）、参数归一化以及算法框架构建。随后，通过BP神经网络对地表沉降进行预测，并使用平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R²）进行性能评估，结果显示BP神经网络的预测效果不佳，与实际情况偏差较大。接着，介绍了XGBoost算法的原理，并采用相同的数据集和评估指标对其进行地表沉降预测。对比分析表明，XGBoost算法在预测精度和泛化能力上均显著优于BP神经网络，其预测结果与数值模拟值高度吻合，最大预测误差远小于BP神经网络。研究结果证实XGBoost算法更适用于浅埋暗挖隧道掘进引起的地表沉降预测。
引用本文（GB/T 7714）
子健 贺, 兴 曾. BP神经网络与XGBoost预测隧道开挖地表沉降[J]. Cheng shi sheng tai jian she., 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。