基于改进Smote-GBDT算法的岩爆预测模型

Rockburst prediction model based on improved Smote-GBDT algorithm

宋英华 ¹江晨 ²李墨潇 ¹齐石²

扫码查看

作者信息

1. 武汉理工大学中国应急管理研究中心,湖北武汉 430070;武汉理工大学安全科学与应急管理学院,湖北武汉 430070
2. 武汉理工大学安全科学与应急管理学院,湖北武汉 430070
折叠

摘要

为准确预测岩爆等级,确保施工人员和设备安全,首先,从岩爆机制、数据和算法角度,分析埋深(D)、单轴抗压强度(UCS)、单轴抗拉强度(UTS)、岩石脆性指数(B1、B2)、围岩最大切向应力(MTS)、应力集中系数(SCF)和弹性变形能指数(Wet)8个指标,建立岩爆预测指标体系;其次,针对岩爆样本存在的数据不均衡问题,引进托梅克联系(Tomek Link)对欠采样方法,改进合成少数类过采样(Smote)算法,对岩爆训练样本进行混合过采样;最后,构建SmoteTomek-梯度提升树(GBDT)岩爆预测模型,以38组数据验证模型的有效性,并与其他模型进行对比.结果表明:SmoteTomek-GBDT的准确率为92.1％,较未采样提升5.3％,Smote采样提升10.5％,优于随机过采样模型,并且避免跨等级的岩爆误判.

关键词

岩爆预测/梯度提升树(GBDT)算法/合成少数类过采样(Smote)算法/岩爆指标/托梅克联系(TomekLink)

Key words

rockburst prediction/gradient boosting decision tree(GBDT)/synthetic minority oversampling technique(Smote)/rockburst index/Tomek Link

引用本文复制引用

基金项目

国家自然科学基金(52209146)

出版年

2023

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

参考文献量11

段落导航