為解決機(jī)器學(xué)習(xí)算法在樣本較少時,所得巖爆烈度等級的預(yù)測結(jié)果存在可靠性不足的問題,采用一種基于交叉驗證的XG-Boost算法,并討論其適用性。先選取巖石單軸抗壓強(qiáng)度σ_c、單軸抗拉強(qiáng)度σ_t、洞室圍巖最大切應(yīng)力σ_θ、巖石彈性變形指數(shù)W_et以及巖體完整性系數(shù)K_V等5個評價指標(biāo);再以國內(nèi)外巖爆實例數(shù)據(jù)為樣本,通過多次交叉驗證計算XGBoost算法巖爆預(yù)測準(zhǔn)確率,與支持向量機(jī)算法、隨機(jī)森林算法所得準(zhǔn)確率比較;最后對評價指標(biāo)重要性進(jìn)行分析。結(jié)果表明:1)在樣本較少時,樣本劃分和排序的隨機(jī)性對預(yù)測結(jié)果影響較大,通過多次交叉驗證求取預(yù)測結(jié)果平均值,可提高結(jié)果可靠性;2)評價指標(biāo)中K_V與σ_θ重要性最大,σ_c重要性最小;3)XGBoost算法具有較高的預(yù)測準(zhǔn)確率,在巖爆烈度分級預(yù)測中具有一定適用性。 

【文章來源】：隧道建設(shè)(中英文). 2020,40(S1)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

k折交叉驗證流程圖

多次交叉驗證示意圖

XGBoost簡化迭代流程

【參考文獻(xiàn)】：
期刊論文
[1]硬巖巖爆預(yù)測預(yù)警研究進(jìn)展[J]. 李鵬翔,陳炳瑞,周揚(yáng)一,肖亞勛,豐光亮,祝國強(qiáng).  煤炭學(xué)報. 2019(S2)
[2]巖爆孕育過程研究[J]. 馮夏庭,肖亞勛,豐光亮,姚志賓,陳炳瑞,楊成祥,蘇國韶.  巖石力學(xué)與工程學(xué)報. 2019(04)
[3]基于粗糙集理論和支持向量機(jī)的巖爆預(yù)測[J]. 李寧,王李管,賈明濤.  中南大學(xué)學(xué)報(自然科學(xué)版). 2017(05)
[4]基于組合權(quán)重–理想點(diǎn)法的應(yīng)變型巖爆五因素預(yù)測分級[J]. 徐琛,劉曉麗,王恩志,王思敬.  巖土工程學(xué)報. 2017(12)
[5]基于正態(tài)云模型的深埋地下工程巖爆烈度分級預(yù)測研究[J]. 王迎超,靖洪文,張強(qiáng),蔚立元,徐智敏.  巖土力學(xué). 2015(04)
[6]工程巖爆災(zāi)害判別的RBF-AR耦合模型[J]. 王羽,許強(qiáng),柴賀軍,劉麗,夏毓超,王曉東.  吉林大學(xué)學(xué)報(地球科學(xué)版). 2013(06)
[7]深部金屬礦山RS-TOPSIS巖爆預(yù)測模型及其應(yīng)用[J]. 周科平,雷濤,胡建華.  巖石力學(xué)與工程學(xué)報. 2013(S2)
[8]基于粒子群算法和廣義回歸神經(jīng)網(wǎng)絡(luò)的巖爆預(yù)測[J]. 賈義鵬,呂慶,尚岳全.  巖石力學(xué)與工程學(xué)報. 2013(02)
[9]基于Bayes判別分析方法的地下工程巖爆發(fā)生及烈度分級預(yù)測[J]. 宮鳳強(qiáng),李夕兵,張偉.  巖土力學(xué). 2010(S1)
[10]巖爆發(fā)生和烈度分級預(yù)測的距離判別方法及應(yīng)用[J]. 宮鳳強(qiáng),李夕兵.  巖石力學(xué)與工程學(xué)報. 2007(05)



本文編號：3086670