基于3种机器学习模型的岩爆类型预测

岩爆类型预测是防治和控制硬岩矿山岩爆灾害的有效方式。基于国内外397组岩爆案例数据，规范训练集与测试集的数据预处理方式，采用模型参数优化及交叉验证技术获得最近邻、支持向量机与决策树模型最佳参数；对比分析主成分分析法（PCA）与过采样SMOTE对3种机器学习算法预测准确率的影响，并采用准确率、精确率、召回率、F1等指标对模型预测性能进行评估。结果表明：主成分分析对3种机器学习模型的预测准确率并无提升，不同岩爆类型的样本之间不具有较为明显的决策边界；过采样SMOTE算法仅对决策树模型有明显的提升，基于过采样建立的SMOTE-DT模型预测准确率为77.50%，高于仅对原始数据集进行标准化处理的KNN、SVM模型的68.75%与57.50%；SMOTE-DT在高估与低估岩爆类型表现优于KNN与SVM模型，对于四种岩爆类型的F1值均大于0.7，岩爆预测性能稳定可靠。此外，采用本文构建的3种机器学习模型对山西紫金金矿进行了岩爆类型预测，模型预测结果与现场观测结果相一致。本文构建的三种用于岩爆类型预测的机器学习模型避免了训练集信息泄露对测试集造成影响，研究结果为岩爆类型预测及规范机器学习模型训练过程提供了理论支撑。     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

基于GD-DNN模型的岩爆烈度等级预测方法与应用

岩爆是深埋隧道施工过程中开挖时形成临空面，引起能量突然释放的现象，轻则岩片剥落，重则造成人员伤亡和财产损失，其危害程度取决于岩爆烈度等级，因此岩爆烈度等级预测是急需解决的难题之一。本文针对单一指标预测法预测效果不理想的问题，首先设计并实现了综合指标法和针对多分类问题的分类器，其次提出并建立了基于梯度下降(Gradient Descent)算法优化深度神经网络(Deep Neural Network)的GD-DNN岩爆烈度等级预测模型。实验结果表明：GD-DNN模型预测的准确率达到95.8%，相比机器学习算法K最近邻(K-nearest neighbor，KNN)、支持向量机（support vector machine，SVM)和深度学习算法DNN分别提高了45.8%、38.7%和8.3%，同时在精确率、召回率和??1值三项指标上均优于其他模型。最后在秦岭隧道、大相岭隧道、通渝隧道和马路坪矿井4个实际工程中检验模型的预测效果，检验结果证明GD-DNN模型能够精准预测岩爆烈度等级，研究成果可应用于深埋隧道工程中。     

关税及其预测分析

本文介绍了关税及如何用回归分析的方法建立数学模型预测关税收入.根据从实习单位提取的数据,首先采用分段方法建立数学模型,并用SAS软件得到了相应的回归方程,然后利用回归方程预测2003年关税收入为1078.0782亿元人民币.文章最后总结了所建模型的应用价值和存在的局限性,并说明在现阶段预测关税收入的意义.     

基于未确知均值分类理论的岩爆发生和分级预测方法

为解决岩爆预测中的不确定性问题,将未确知均值分类理论应用于岩爆综合评判中,建立了岩爆发生和分级预测的未确知均值分类理论分析模型.模型选用最大切应力、单轴抗压强度、单轴抗拉强度和弹性能量指数4个指标作为岩爆发生和分级预测的判别因子.将岩爆烈度分为4个等级并作为未确知均值分类理论分析的4个类别.以国内外岩爆工程实测数据作为建立分类标准和模型的样本,以各等级的指标均值作为分类标准.求取未确知测度函数.采用信息熵确定权重,用置信度识别准则进行等级判定.将本研究建立的模型应用到隧道和矿山工程的岩爆预测中,结果表明.未确知均值分类分级预测方法预测结果与实际情况吻合较好,预测精度高,因而是岩爆发生和分级预测的一种有效方法,可在岩爆工程判别中应用和推广.     

岩爆灾害的灰类白化权函数聚类预测方法

岩爆是高应力岩石地下工程中的地质灾害.将岩爆与其影响因素之间的关系作为灰色系统,提出采用灰类白化权函数聚类的预测方法对岩爆灾害进行预测.选取岩石弹性能量指数、脆性系数和围岩最大切向应力与岩石单轴抗压强度的比值作为岩爆灾害预测的主要影响因子,并构造了适于岩爆预测的各聚类指标的白化权函数.采用本文提出的方法对国内外一些岩石地下工程实例进行了分析,并与工程实际情况进行了对比,研究结果表明,本文提出的基于灰类白化权函数聚类的岩爆灾害预测方法具有较高的预测精度.     

CNLSTM模型预测城市积水

物联网平台能够为积水预测提供海量的传感器时间序列数据基础.为了精准且快速地预测城市内涝点积水趋势,提出一种基于神经网络的组合时序预测模型(CNLSTM),对多变量积水时间序列数据进行建模预测.此模型利用卷积神经网络(convolutional neural network,CNN)提取多变量数据之间的空间特征,得到具有...     

岩石的非线性流变损伤模型及其应用研究

文章从损伤角度研究岩石在拉压作用下变形破坏的非线性特性,基于割线模量法定义损伤变量,建立岩石非线性流变损伤本构方程,并通过拉伸模拟计算及边坡损伤计算分析验证损伤模型。     

基于决策树模型的岩爆烈度预测

综合分析了岩爆的主要影响因素,选取岩石应力系数σ_θ/σ_c、岩石脆性系数σ_c/σ_t和弹性能量指数Wet作为评价指标,采用决策树方法进行岩爆烈度预测。以国内外比较典型的32个岩石地下工程实例作为基础样本数据,结合ID3算法建立了判定岩爆烈度的决策树模型。再选取15个工程实例,运用建立好的决策树模型对其岩爆烈度进行分级,并与实际岩爆等级以及采用模糊灰关联法、距离判别法、ν-SVR算法的评判结果进行对比。结果表明,本文提出的决策树方法具有计算简单、准确可靠、预测效率高的特点。     

基于机器学习可解释性算法的岩爆指标分析

为探究弹性能指数、应力系数、脆性系数、埋深四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。本文引入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。文章搜集国内外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,对四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：(1) 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;(2) 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;(3) 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;(4) 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。     

改进的Fisher判别方法

对Fisher判别方法进行了改进,其主要思想是改变Fisher判别中以临界值为准则的判别方法,而以各总体的投影值所确定的正态分布的密度函数作为样品归类准则,并形成多次判别.例子表明,该方法优于Fisher判别方法.     

基于核Fisher判别的复杂储层岩性识别研究

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。     

深基坑支护结构选型决策的Fisher判别分析模型

针对传统的深基坑结构选型评价方法存在的问题,应用统计学理论并遵循“安全、经济、合理”的原则,选取了10个实测指标作为影响深基坑支护方案选型的判别因子,建立深基坑支护结构选型的Fisher判别分析模型 (FDA)。利用国内64组深基坑支护实例作为学习样本进行训练和检验,对水泥土重力式、土钉墙、桩锚、桩撑、地下连续墙等5种深基坑支护方案进行优选,并利用回代估计法对FDA模型进行检验。经过训练后的模型回判估计的误判率为14.1%。对另外10组待判样本进行测试,正确率100%。此外利用该模型对某市新世界中心工程深基坑支护结构选型进行决策,结果与实际情况符合较好,说明该模型在研究深基坑支护结构选型中具有良好的实用性和有效性,可为解决深基坑支护结构型式的优化选择提供一种新思路。     

露天采矿爆破振动对民房危害预测的DDA模型及应用

针对爆破地震效应评价中诸多因素不确定性问题,应用距离判别分析理论,选用爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量、场地条件共10个影响因素作为判别因子,建立露天采矿爆破振动对民房危害预测的距离判别分析模型(DDA);以36组爆破振动实测数据作为学习样本进行训练,建立相应线性判别函数并利用回代估计方法进行回检,用12组现场数据作为预测样本进行测试.研究结果表明:回检误判率为2.78%;距离判别分析模型预测结果与实际结果较吻合,预测精度高,为露天采矿爆破振动对民房危害程度的预测提供了一种新思路.     

岩体爆破震动损伤评估的多元判别分析模型

提出基于多元判别分析理论的岩体爆破震动损伤安全判据方法。考虑爆破震动信号的幅值强度特性、频谱特性、持时特性和时-能密度曲线特性,并选用震动峰值速度、震动主频、震动持时和时-能密度曲线下的面积作为判别因子,建立多元判别分析模型对岩体的爆破震动损伤情况进行预测。以工程岩体实测数据作为学习样本进行训练,建立相应判别模型对待判样本进行判别,利用回代估计法对模型的合理性进行检验。研究结果表明:建立的判别模型回判估计的误判率为0,预测结果与实际结果相符;判别分析模型综合考虑了影响爆破损伤的多种因素,与其他单指标判据相比,评估结果与实际结果更加相符。     

深井硬岩矿山岩爆灾害防治研究

采用室内试验、数值计算和现场岩爆研究相结合的综合研究方法,以冬瓜山矿床开采为对象,对深井矿床开采岩爆防治进行了系统的研究.由矿岩力学试验,采用岩爆综合评判指标确定了矿岩的岩爆倾向性,指出岩爆倾向性具有本源性和诱导性两种属性;电镜试验、物理模型试验和现场岩爆研究发现岩爆主要由张拉断裂引起,具有明显的岩石破坏和工程施工异常性前兆;现场岩爆研究和数值计算表明岩爆危险区位于应力集中、能量贮存大及具有快速释放能力和条件的区域;从岩爆预防角度,采用数值分析方法以能量释放率为衡量指标,对采场结构参数、开采步骤等进行了优化;从减少能量贮存、控制能量释放、采用柔性支护和建立岩爆监测系统4个方面,得出了具体的岩爆防治措施.图3,表2,参11.     

工程岩体质量分级的数量化理论Ⅱ判别模型及应用

为快速准确地对岩体质量进行分级，采用数量化理论Ⅱ建立了工程岩体质量判别模型。案例一中选取岩石单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数和透水系数作为评价指标，案例二中选取回采巷道巷道埋深、巷道跨度、直接顶与煤层厚度之比、围岩单轴抗压强度、围岩节理裂隙发育程度和围岩松动圈尺度作为评价指标，分别对案例一、案例二中不同工程岩体实测样本进行训练，构建相应的线性判别函数，确定各类岩体样本在6维空间中所对应的样本中心点；用建立的模型对训练样本进行判别并对未知样本岩体质量等级进行了预测。案例一中判别正确率为100％，且10个预测样本中只有1个发生误判，案例二中判别正确率为93.3％。研究结果表明：该模型判别过程简单，具有较高的判别正确率，可以作为一种行之有效的岩体质量分级方法在岩体工程中推广应用。     

圆形洞室岩爆成因分析及其地质灾害研究

在详细分析岩爆形成机制和传统经验判据的基础上，对岩爆产生条件及其产生部位作了预测，并提出了岩爆预防对策：设计阶段应对洞轴线进行选择、对洞室断面进行优化；施工阶段应进行超前应力解除、围岩软化，以及采用合理的开挖方式；合理选择围岩加固措施。     

基于核Fisher鉴别分析的手指静脉识别

抽取最优鉴别特征是手指静脉识别中重要的一步,在提取小样本的高维手指静脉图像特征时,由于光照、温湿度、水平位移等因素的影响使得采集的静脉图像是非线性分布的,为此,提出了一种基于核Fisher鉴别分析（kernel Fisher discriminant analysis,KFDA）提取非线性特征的方法。该方法是利用一个核映射将原始输入空间变换到一个更低维的空间RN中,在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则(Fisher linear discriminant,FLD),来得到最佳非线性鉴别特征,根据此鉴别特征计算其相互间的欧式距离进行识别。实验结果表明,核Fisher方法与其他方法相比,具有较低的认假率(false accept rate,FAR)和较快的识别速度。     

多元判别分析及其在生态环境研究中的应用

给出了多元判别分析的数学原理和方法,通过对正规方程组解的简化处理,在不影响分类判别决策的前提下获得了判别函数.用实例说明了模型在生态环境中样品分类判别研究上的应用.