基于MICE_RF的组合赋权—极限随机树岩爆预测模型

摘要：

目前岩爆预测的真实训练数据量小、数据存在缺失,为了更加准确地预测岩爆等级,提出了一种基于链式随机森林多重插补(MICE_RF)算法的组合赋权—极限随机树(ET)预测模型.首先,在选取岩爆灾害主要评判指标的基础上,采用MICE_RF算法插补缺失数据;然后,由改进层次分析法(IAHP)和基于指标相关性的权重确定方法(CRITIC)确定指标主、客观权重,并引入权向量距离概念对指标组合赋权;最后,将插补和赋权后数据集采用ET算法,构建岩爆等级预测模型.利用国内外工程实例数据进行20次随机抽样试验,并与其他模型进行对比分析.结果表明:MICE_RF插补后可显著提高岩爆模型预测效果;改进AHP-CRITIC法较改进前更具优势,该模型平均预测准确率为93.10％,各比较指标结果均优于对比模型,预测结果更稳定.

关键词：岩爆等级预测、数据缺失、链式随机森林的多重插补(MICE_RF)算法、组合赋权、权向量距离、极限随机树(ET)算法

所属期刊栏目：30

分类号：X936(安全工程)

资助基金：国家自然科学基金71371091

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：392-403