Geosci. Front. | 利用机器学习算法和元启发式二分法集合分类器改进土壤膨胀预测方法

本文探讨了利用机器学习算法和元启发式二分法集合分类器改进土壤膨胀预测方法。研究背景是膨胀土相关的灾害在现代历史上具有极高的破坏性，因此准确预测土壤的膨胀能力对于基础设施的安全至关重要。研究目的在于通过使用多种机器学习模型，如贝叶斯线性回归（BLR）、支持向量机（SVM）、深度支持向量机（D-SVM）等，以及首次引入的元启发式分类器（包含投票和堆叠技术），来提高土壤膨胀预测的准确性。研究发现，元启发式学习器（VE和SE）在预测土壤膨胀行为方面表现最佳，特别是VE的R2值达到0.94，RMSE为0.06%。此外，阳离子交换量（CEC）、可塑性指数和含水量被确定为影响土壤膨胀的最重要特征。结论建议在地质或工程场地特征化的初步阶段使用这些最佳表现的元启发式模型。