基于修正散点图矩阵与随机森林的岩爆等级预测

TD32; 为了提高岩爆预测模型的精度,以围岩洞壁最大切向应力(MTS)、岩石单轴抗压强度(UCS)、岩石单轴抗拉强度(UTS)、应力系数(SCF)、脆性系数(BI)、岩石弹性能指数(EEI)等参数作为预选预测指标.运用修正散点图矩阵分析指标间、指标与岩爆等级间的关系,筛选指标集中的离群值,确定构成岩爆预测的指标体系.引入并优化随机森林算法,采用Randomize Search CV和Grid Search CV方法寻求最优超参数,运用优化后模型对岩爆实例进行岩爆倾向性等级预测,并将预测结果与神经网络模型(ANN)、支持向量机模型(SVM)、XGBoost模型结果进行分析对比.研究表明:修正散...

Full description

Saved in:
Bibliographic Details
Published in有色金属工程 Vol. 12; no. 3; pp. 120 - 128
Main Authors 刘剑, 周宗红
Format Journal Article
LanguageChinese
Published 昆明理工大学国土资源工程学院,昆明650093 2022
Subjects
岩爆灾害等级预测;修正散点图矩阵;指标优选;优化随机森林模型
Online AccessGet full text
ISSN2095-1744
DOI10.3969/j.issn.2095-1744.2022.03.016

Cover

More Information
Summary:TD32; 为了提高岩爆预测模型的精度,以围岩洞壁最大切向应力(MTS)、岩石单轴抗压强度(UCS)、岩石单轴抗拉强度(UTS)、应力系数(SCF)、脆性系数(BI)、岩石弹性能指数(EEI)等参数作为预选预测指标.运用修正散点图矩阵分析指标间、指标与岩爆等级间的关系,筛选指标集中的离群值,确定构成岩爆预测的指标体系.引入并优化随机森林算法,采用Randomize Search CV和Grid Search CV方法寻求最优超参数,运用优化后模型对岩爆实例进行岩爆倾向性等级预测,并将预测结果与神经网络模型(ANN)、支持向量机模型(SVM)、XGBoost模型结果进行分析对比.研究表明:修正散点图矩阵对筛选多维岩爆数据离群值是有效的,优化后的Random Forest模型的预测准确率为92.6％,为岩爆倾向性分级提供一种新的方法.
ISSN:2095-1744
DOI:10.3969/j.issn.2095-1744.2022.03.016