论文部分内容阅读
采用多元线性回归(MLR)和随机森林(RF)两种机器学习算法,调研了温州市5 044个土壤样品,检测了土壤的塑性指数、孔隙度和土粒比重等14项物理指标,以R2和RMSE为精度评价指标构建了能够表征土壤黏性的塑性指数预测模型。研究表明:1)两种模型均有较好的预测能力,MLR模型和RF模型分别达到0.887和0.939的准确度;2)随机森林模型选取的特征更少,模型更加简洁,通过改变训练集和测试集的比例,其准确率可达0.945;3)两种预测模型均表明孔隙比、土粒比重和湿密度对土壤黏性影响很大,理论上通过增加土体的有效孔隙度和土壤有机质含量、减少土体含水率可降低土壤的黏性,从而进一步实现建筑渣土的资源化利用。