煤炭学报

作者：吴顺川, 张晨曦, 成子桥,

关键词：岩爆预测, 主成分分析, 概率神经网络, 烈度分级,

根据岩爆的影响因素、特点及成因,选取围岩最大切应力、单轴抗压强度、单轴抗拉强度、应 力系数、脆性系数和弹性能量指数构成岩爆预测指标体系。 搜集国内外 46 组典型岩爆案例数据, 考虑到概率神经网络(PNN)中高斯函数要求各指标变量互不相关,采用主成分分析法(PCA)对原 始数据预处理,消除指标间相关性并降维,得到线性无关的 3 个主成分即岩爆综合预测指标 RCI1 , RCI2 ,RCI3 ,构成概率神经网络的输入向量。 将岩爆烈度分级预测视为共有 4 种类别的模式分类问 题,在满足均匀分布的前提下,选取0.02,1.00 内的 50 个 Spread 值,观察模型预测正确率随 Spread 值的变化。 经测试,Spread 值为 0.36 时,预测结果首次同时达到最优,故创建平滑因子为 0.36 的概率神经网络。 岩爆案例数据由主成分分析法处理后分为训练样本和测试样本,对训练后 的 PNN 网络进行性能测试,两组数据预测正确率分别为 100% ,90% 。 将该结果与随机森林(RF) 模型、支持向量机(SVM)模型、人工神经网络(ANN)模型进行比较,可知 PCA-PNN 模型的预测结 果稍好于 SVM 模型、ANN 模型,误判率与 RF 模型的训练样本平均误判率、测试样本平均误判率一 致。 此外 PNN 网络收敛速度快,通常在数秒内即可完成,表明基于 PCA-PNN 的岩爆烈度预测模 型是合理可行的。

来源：2019年第9期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2019年第9期