首页|基于改进Smote-GBDT算法的岩爆预测模型

基于改进Smote-GBDT算法的岩爆预测模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Rockburst prediction model based on improved Smote-GBDT algorithm

rockburst predictiongradient boosting decision tree(GBDT)synthetic minority oversampling technique(Smote)rockburst indexTomek Link

宋英华、江晨、李墨潇、齐石

展开 >

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

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)

国家自然科学基金

52209146

2023

10.16265/j.cnki.issn1003-3033.2023.09.0850

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
年,卷(期)：2023.33(9)
  • 11