COA-XGBoost岩体分类模型

复杂地层精度提升8%

用特征加权与全局寻优让TBM岩体分类在IV、V级围岩下仍保持稳定识别。

Yaoqi, Nie · Zhang, Qian · Lili, Hou · Du, Lijie · Xiaolong, Zhao · Yujie, Xue · ZhiCheng, Lin · Xiuxiu, Cao · Zixin, Wang

Advanced Engineering Informatics 2025

参数信息

准确率
91.5 %
召回率
91.5 %
F1分数
91.4 %
准确率提升
8 %

技术优势

复杂围岩更准

在IV、V级围岩等复杂地质条件下准确率提升约8%,传统方法难以适应的情况得到改善。

特征更聚焦

Relief算法评估特征重要性并加权,放大关键参数作用,减少冗余干扰,模型识别关键参数的能力增强。

结果可解释

SHAP分析给出每个特征对分类结果的贡献,为TBM参数优化提供依据,不再是一个黑箱。

应用场景