基于CBR-IRBFNN的高原山区铁路路基绿色施工措施场景适配决策方法OA

山区铁路路基若未有效践行绿色施工,易因施工中的不当扰动显著破坏植被生态、地形地貌,加剧区域水土流失,且后期修复困难。面向不同特征场景下差异化的绿色施工需求,提出了一种基于CBR-IRBFNN(case-based reasoningimproved radial basis function neural network)的高原山区铁路路基绿色施工措施场景适配决策模型。首先,在系统性收集相关绿色施工实例的基础上,采用文本挖掘方法识别出562个特征场景案例,通过结构化表示与量化分级构建绿色施工场景案例库,并通过K-medoids聚类方法验证了场景案例库的代表性与均衡性。进一步,考虑到已构建场景案例属性表示的多元异构性,基于RBFNN(radial basis function neural network)的局部响应特性与局部拟合能力,构建K-medoids与Gower距离方法相结合的场景案例智能检索模型,通过网格搜索结合交叉验证的方式确定最优的训练参数,在训练集和测试集上的准确率分别达到94.9%、94.4%,模型总体训练结果良好;相较于传统RBFNN方法,本研究方法在准确率、精确率、召回率、F1分数4个性能指标方面分别提升了8.7%、10.8%、8.8%、9.9%。最后,依托在建山区铁路路基工程实例,通过识别目标场景的具体特征及绿色施工需求,动态灵活调整检索策略,模型共检索推荐26项绿色施工措施,有效决策支持率达到92.3%,实现了绿色施工措施对目标场景的动态适配,反映了模型能充分贴合目标场景实际特征,具备良好的适用性和准确性。