基于机器学习的岩爆预测方法研究与应用

书名：基于机器学习的岩爆预测方法研究与应用
ISBN：978-7-5024-9382-0
作者：田睿李燕卿（著）
出版时间：2023年2月
图书定价：69元

ꄴ前一个：海上刑事侦查

ꄲ后一个： Materials Chemistry 材料化学

推荐语

本书的核心内容如下：

（1）建立了岩爆烈度等级预测数据库。通过分析4个岩爆工程实例，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作为岩爆预测评价指标；通过对比分析国内外现有的岩爆烈度等级方案，考虑岩爆发生的强弱程度和主要影响因素，将岩爆烈度分为4级：Ⅰ级（无岩爆）、Ⅱ级（轻微岩爆）、Ⅲ级（中级岩爆）、Ⅳ级（强烈岩爆）；根据所确定的岩爆评价指标和岩爆烈度等级，建立了一个包含301组岩爆工程实例的数据库，作为岩爆烈度等级预测的样本数据。

（2）提出了基于随机森林优化层次分析法—云模型（RF-AHP-CM）的岩爆烈度等级预测模型。考虑岩爆预测的时效性，采用层次分析法（AHP）计算岩爆评价指标权重；并采用能够有效处理数据特征模糊的随机森林（RF）算法，建立了基于随机森林的岩爆评价指标重要性分析模型；根据指标重要性量化分析结果，构造层次分析法中的分析矩阵，优化层次分析法，构建了RF-AHP指标权重计算方法；结合云模型（CM），构建了RF-AHP-CM岩爆预测模型，其预测准确率可达85%。该预测模型可判断主要发生的岩爆烈度等级，并可同时判断可能发生的岩爆烈度等级，有效地解决了具有不确定性、随机性和模糊性的岩爆预测问题。

（3）提出了基于改进萤火虫算法优化支持向量机（IGSO-SVM）的岩爆烈度等级预测模型。针对岩爆预测数据的有限性、非线性等特征，采用基于佳点集变步长策略的萤火虫算法（IGSO），优化支持向量机（SVM）的惩罚参数C和径向基函数参数g，构建了IGSO-SVM岩爆预测模型，其预测准确率可达90%。该预测模型避免了指标权重确定问题，通过直接学习岩爆工程实例数据，有效地解决了有限样本条件下非线性的岩爆预测问题。

（4）提出了基于Dropout和改进Adam算法优化深度神经网络（DA-DNN）的岩爆烈度等级预测模型。为适应更大规模的岩爆数据处理需求，采用深度神经网络（DNN），针对岩爆预测数据的离散性、有限性等特征，采用Dropout对模型进行正则化以防止发生过拟合。同时，为了提高预测模型的时效性和效稳性，采用改进Adam算法优化参数，构建了DA-DNN岩爆预测模型，其预测准确率可达98.3%。该预测模型有效地解决了更大数据规模的岩爆预测问题。

（5）不同岩爆烈度等级预测模型的对比分析与工程实例应用。对RF-AHP-CM岩爆预测模型、IGSO-SVM岩爆预测模型和DA-DNN岩爆预测模型从预测准确率、时效性和适用范围3个方面进行了对比分析，3个岩爆预测模型各具优势，从不同角度有效地解决了岩爆预测问题。采用所构建的3个岩爆预测模型对内蒙古赤峰某金矿深部开采进行了岩爆预测，预测结果与现场实际情况具有较好的一致性，验证了所构建模型的准确性和实用性，最后根据岩爆预测结果和矿山生产实际，提出了8项相应的岩爆防治措施。

内容简介

本书以301组岩爆工程实例作为岩爆烈度等级预测的样本数据，介绍了基于随机森林优化层次分析法—云模型（RF-AHP-CM）的岩爆烈度等级预测模型、基于改进萤火虫算法优化支持向量机（IGSO-SVM）的岩爆烈度等级预测模型、基于Dropout和改进Adam算法优化深度神经网络（DA-DNN）的岩爆烈度等级预测模型，并对不同岩爆烈度等级预测模型进行对比分析。另外，采用所构建的3个岩爆预测模型对内蒙古赤峰某金矿深部开采进行了岩爆预测，提出了相应的岩爆防治措施。

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究内容与方法、创新点、技术路线

2 岩爆烈度等级预测数据库建立

2.1 岩爆评价指标选取

2.2 岩爆烈度等级确定

2.3 岩爆烈度等级预测数据库

2.4 本章小结

3 基于随机森林优化层次分析法—云模型的岩爆预测模型研究

3.1 随机森林优化层次分析法—云模型的理论依据

3.2 基于随机森林—层次分析法的指标权重计算方法