基于可解释机器学习的岩溶介质渗透系数估算模型

李红星; 白伟; 李傲; 杨艳娜; 王之正

doi:10.20040/j.cnki.1000-7709.2025.20242020

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于可解释机器学习的岩溶介质渗透系数估算模型

工程勘测设计 | 更新时间：2026-02-25

- 基于可解释机器学习的岩溶介质渗透系数估算模型
- 基于可解释机器学习的岩溶介质渗透系数估算模型
- 水电能源科学 2025年第9期页码：69-72+24
- 作者机构：
  
  1. 长江三峡勘测研究院有限公司,武汉
  2. 成都理工大学地下水科学与工程系
  3. 成都理工大学地质灾害防治与地质环境保护国家重点实验室
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20242020
  中图分类号： P642.25;TV221.2;TP181
- 纸质出版：2025
- 稿件说明：
移动端阅览
李红星, 白伟, 李傲, 等. 基于可解释机器学习的岩溶介质渗透系数估算模型[J]. 水电能源科学, 2025,(9):69-72+24.

李红星, 白伟, 李傲, et al. 基于可解释机器学习的岩溶介质渗透系数估算模型[J]. 2025, (9): 69-72+24.
李红星, 白伟, 李傲, 等. 基于可解释机器学习的岩溶介质渗透系数估算模型[J]. 水电能源科学, 2025,(9):69-72+24. DOI： 10.20040/j.cnki.1000-7709.2025.20242020.

李红星, 白伟, 李傲, et al. 基于可解释机器学习的岩溶介质渗透系数估算模型[J]. 2025, (9): 69-72+24. DOI： 10.20040/j.cnki.1000-7709.2025.20242020.

摘要

岩溶介质的渗透性能受到可溶岩地质特征、岩溶发育程度、流体性质等多重因素的影响，裂隙岩体的渗透系数估算模型难以反映岩溶发育的复杂性，使其适用性较差。为此，采用随机森林（RF）、支持向量回归（SVR）、CatBoost机器学习算法结合贝叶斯优化算法分别构建岩溶介质渗透系数估算模型，利用均方根误差(R

RMSE

)、均方误差(M

MSE

)、决定系数（R

）开展估算模型的评价精度验证，并通过SHAP算法分析机器学习模型中岩溶介质渗透系数的主导影响因子，阐明各影响因子对岩溶介质渗透系数的影响程度。结果表明，优化后的支持SVR模型R

RMSE

为0.128 8

MSE

为0.016 6

为0.74

均优于随机森林和CatBoost模型，能够较好地估算岩溶介质渗透系数。SHAP图揭示了各主导因子不同特征值对岩溶介质渗透系数有明显差异，钻孔线岩溶率（BK）、深度（Z）和充填物含量（AFC）为岩溶介质渗透系数的主要影响因子，对岩溶介质渗透系数影响显著。可见SVR模型具有较高的估算精度，模型可解释性强，为岩溶地区工程应用提供一定参考价值。

Abstract

关键词

Keywords

references

陈君,刘明明,李星,陈益峰,周创兵.一种基于地质指标的裂隙岩体渗透系数估算模型[J].岩土力学,2016(06).

张人权,梁杏,靳孟贵,周爱国,孙蓉琳.当代水文地质学发展趋势与对策[J].水文地质工程地质,2005(01).

万力,蒋小伟,王旭升.含水层的一种普遍规律:渗透系数随深度衰减[J].高校地质学报,2010(01).

蒋小伟,万力,王旭升.自重应力和岩性对砂泥岩裂隙岩体渗透性空间分布的控制[J].工程勘察,2008(S1).

邵良杉,马寒,温廷新.基于RF-ELM模型的边坡稳定性预测研究[J].中国安全生产科学技术,2015(03).

丁立丰,郭啟良,王成虎.工程岩体裂隙渗透性试验方法研究及应用[J].岩土力学,2009(09).

孙蓉琳,梁杏,靳孟贵.裂隙岩体渗透系数确定方法综述[J].水文地质工程地质,2006(06).

宋琨,晏鄂川,陈刚.地下水封洞库岩体渗透系数估算研究[J].岩石力学与工程学报,2014(03).

景来红,段世超,杨顺群.渗流反演分析在工程设计中的应用[J].岩石力学与工程学报,2007(S2).

杨小平,段生锐,蒋力,刘光辉.基于机器学习算法的滑坡土壤含水率预测方法研究[J].水电能源科学,2024(03).

汪长重,韩旭,赵鑫,项洋,于起超.多种机器学习方法在岩质类型快速判别中的可靠性分析[J].水电能源科学,2024(06).

王璐.基于遗传算法和支持向量机的西南岩溶越岭隧道涌水量预测[D].成都理工大学,2019(02).

薛博元.基于改进CatBoost算法的糖尿病回归和分类预测模型研究[D].北方民族大学,2024(03).

范全忠.川东隔挡式背斜区隧道涌水量预测方法的适宜性研究[D].成都理工大学,2021(02).

王萌.信用违约风险视角下我国房地产行业中心企业的识别与应用[D].内蒙古财经大学,2024(03).

浏览量

105

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

锦东—官地梯级水电站短期调度中的电站间流量响应关系研究

基于Optuna-CatBoost和CRITIC评价法的水电机组劣化趋势评估

基于不同因子筛选指标的丹江口入库月径流预报研究

基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估

基于随机森林的地下水溶质运移替代模型研究