基于随机森林与半监督学习的钢箱梁桥模块化智能选型研究

为指导中等跨径钢箱梁桥智能选型设计，将钢桥模块化理论与随机森林算法相结合用于初步选型，采用半监督学习的方法增强数据集，提出一种中等跨径钢箱梁桥模块化智能选型方法。该方法首先选择桥梁10个特征作为自变量，将钢箱梁的9种横截面形式作为因变量，收集75条专家评价数据作为训练集；其次通过算法适配和对比分析，采用遗传-随机森林的组合算法对结果的分类精度相较于原始的随机森林算法模型准确率提升了约10%;然后采用半监督学习算法对训练数据集进行增强，在不改变算法的同时进一步提高了模型准确率，整体模型准确率接近0.9;最后基于上述算法和前后端技术实现在Web平台上的快速部署和三维结果展示。