锚杆支护应用在环境复杂的工程中容易被损坏,影响工程结构的安全性,造成巨大的危害,所以对其安全可靠性进行检测至关重要。在实际工程中,因为破损的锚杆锚固往往比完好锚杆锚固数量少,所以破损的锚杆锚固属于小样本。本文主要研究小样本锚杆锚固质量分类问题。本文的主要工作如下:（1）针对锚杆锚固质量无损检测问题,主要通过采用应力波检测的方法,对锚杆锚固进行质量检测,并通过传感器采集锚杆锚固的加速度信号,将采集到的信号存储为锚杆锚固数据。针对原始的锚杆数据存在冗余特征,造成分类器的分类性能差,分类耗时长的问题。采用径向基核函数的核主成分分析方法,对数据集进行了特征提取工作。对锚杆锚固的加速度信号进行了特征提取,并将提取后的特征来表示锚杆锚固加速度信号特征。（2）针对锚杆锚固质量数据分类问题,采用随机森林算法对特征提取后的锚杆锚固数据进行分类。通过对比不同的分类器对锚杆数据的分类性能,得到随机森林算法的分类性能最好的结果。选择随机森林算法对锚杆锚固灌浆质量分类。针对实际工程中锚杆数据不平衡,存在负类样本错分到正类样本的问题,构造不同平衡率的锚杆数据集,并采用随机森林算法进行分类研究。（3）针对随机森林分类器对不平衡锚杆锚固数据分类性能差的问题。基于随机森林算法,采用支持向量机对锚杆锚固的小样本数据进行分析评估,得出特征权值系数,并对小样本的特征进行加权。并结合代价敏感随机森林算法的优点,采用支持向量机对样本特征加权的代价敏感随机森林算法完成锚杆数据的分类,利用该方法完成锚杆数据的分类。（4）针对改进后的随机森林算法进行实验验证。通过实验和特征提取,得到锚杆锚固数据,构造出不同平衡率的样本集,支持向量机和代价敏感技术改进的随机森林对其进行分类。传统的随机森林算法只能识别出部分缺陷锚杆数据,改进后的随机森林算法可以识别出大部分缺陷锚杆数据。实验结果表明基于随机森林算法对完整和缺陷锚杆锚固质量进行分类,有效解决小样本锚杆数据问题。本文主要对小样本锚杆锚固质量进行分类检测,通过应力波检测法引入核主成分分析算法对锚杆数据进行特征提取,选择出最有效的特征用于随机森林算法,并分别从样本特征加权和算法本身对随机森林进行改进,在实验获取的锚杆数据上加以验证,结果表明改进后的随机森林算法可以识别更多的小样本锚杆锚固数据。