基于10种机器学习算法的多指标岩爆倾向性等级评价
Multi-index rockburst tendency level evaluation based on 10 machine learning algorithms作者机构:昆明理工大学国土资源工程学院昆明650093
出 版 物:《有色金属(矿山部分)》 (NONFERROUS METALS(Mining Section))
年 卷 期:2023年第75卷第4期
页 面:125-133,141页
学科分类:081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学]
基 金:国家自然科学基金资助项目(51864023 52264019)
摘 要:为探究在岩爆烈度等级预测中,判别指标数量和类别对模型稳定性的影响,提高岩爆预测精度。综合考虑诱发岩爆的内外因素,选取10个岩爆预测判别指标,通过将判别指标由少到多随机组合,建立1023种指标组合方式;引入10种经典机器学习算法,构建岩爆烈度等级预测模型。为消除异常值,数量级和量纲的影响,采用四分位法寻找并替换异常值、进行归一化等数据预处理方法。利用穷举法,找出10种经典算法下平均精度最高的指标组合。研究表明:指标数量与模型稳定性无线性关系,其中3指标的组合预测效果最好,其综合准确率达到88.89%;算法模型中SVM和RF稳定性最优,综合准确率均达到88.89%;3种新的高稳定性指标组合方式分别是:3指标D、σ_(θ)、W_(e t)组合,5指标D、Is、σ_(max)、σ_(θ)/σ_(c)、W_(e t)组合,7指标D、I_(s)、σ_(θ)、σ_(t)、σ_(c)、W_(e t)、(σ_(c)-σ_(t))/(σ_(c)+σ_(t))组合。用本文优选的判别指标组合和预测模型,对大相岭隧道等进行岩爆倾向性等级评价,预测效果可靠,可为今后岩爆预测提供新的方法。