基于机器学习可解释性算法的岩爆指标分析

摘要：

为探究弹性能指数、应力系数、脆性系数、埋深4 种岩爆指标与岩爆等级之间的相关关系,解决复杂机器学习算法的黑盒问题.引入LIME(local interpretable model agnostic explanations)算法,完善岩爆机器学习预测过程中的可解释性.搜集了中外190 组岩爆实例工程构建数据集经过预处理后,通过9 种机器学习算法比较获得最优算法并采用贝叶斯优化获得算法最优参数,建立岩爆预测模型.基于LIME可解释性算法,对4 种岩爆指标进行相关、回归及阈值分析,最后采用弹性能指数及应力系数两种指标阈值对终南山隧道竖井工程进行岩爆预测.研究结果表明:岩爆等级与弹性能指数、应力系数呈线性相关,且弹性能指数线性关系更明显;岩爆等级与脆性系数、埋深呈非线性相关,且脆性系数非线性关系更明显;4 个岩爆指标对岩爆等级影响程度依次为:弹性能指数、应力系数、埋深、脆性系数;LIME算法可以准确地表达岩爆等级与岩爆指标之间的相关关系且得到的两种指标阈值与终南山隧道竖井工程实例具有一致性.

关键词：岩石力学、岩爆预测、经验判据、机器学习、可解释性

所属期刊栏目：23

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;国家自然科学基金;陕西省科技厅资助项目;中央高校基本科研业务费专项

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：7895-7902