基于机器学习的3种岩爆烈度分级预测模型对比研究

摘要：

岩爆是大型地下岩土和深部资源开采工程中必须要解决的关键科学问题之一.综合考虑岩爆的影响因素、特点以及内外因条件,选取洞壁围岩最大切向应力、岩石单轴抗压强度、岩石单轴抗拉强度和岩石弹性能量指数组成岩爆预测指标体系.运用文献调研法,建立了一个包含301组岩爆工程实例的数据库,并以此作为岩爆预测的样本数据.为准确可靠地预测岩爆灾害,基于机器学习技术,建立了RF-AHP-云模型、IGSO-SVM和DA-DNN 3种岩爆预测模型.通过对60组预测样本进行岩爆预测的工程实例分析,验证了3种模型的有效性和正确性.研究结果表明:DA-DNN、IGSO-SVM和RF-AHP-云模型的预测准确率分别为98.3％、90.0％和85.0％;DA-DNN模型理论通俗易懂,编码相对简单,容易实现;随着岩爆数据量的增加,DA-DNN模型应用前景更加广阔.

关键词：岩爆预测、机器学习、随机森林、云模型、支持向量机、深度神经网络

所属期刊栏目：28

分类号：TU45(土力学、地基基础工程)

资助基金：国家自然科学基金项目"考虑三维岩体结构面各向异性特征的剪切强度研究";"基于监测信息的露天矿边坡稳定性研究";内蒙古自治区自然科学基金项目"厚煤层采动覆岩破断演化致灾机理研究";内蒙古自治区博士研究生科研创新资助项目"基于数据挖掘技术的岩爆预测研究"

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：920-929