基于随机森林模型的岩爆等级预测研究

以岩石单轴抗压强度、单轴抗拉强度、硐室最大切向应力、岩石压拉比、应力系数、弹性变形指数和完整性系数为岩爆评价指标, 建立了4种评价方案; 在引入随机森林算法的基础上, 建立了岩爆等级预测的随机森林模型, 并通过R语言编写代码对该模型进行了计算, 得出评价指标的重要性和预测结果; 将4种评价方案用随机森林法、线性回归法和支持向量机法分别进行预测并将结果进行对比分析。结果表明：随机森林法的岩爆预测准确率较高(达到97%), 适用于解决数据不完全的小样本问题; 岩石完整性系数重要度最大, 岩石单轴抗压强重要度最小。     

岩爆等级预测的PCA-OPF模型

为了高效准确预测岩爆烈度,将主成分分析(PCA)和最优路径森林(OPF)算法相结合,选取岩石单轴抗压强度、应力系数、脆性系数、弹性能量指数以及完整性系数这5个指标建立了岩爆预测的PCA-OPF分析模型。通过SPSS软件对国内外50组岩爆工程实例数据做主成分分析,依据方差累计贡献率得出3个主要影响因素,作为输入因子对OPF模型进行训练、评估、测试。试验结果的平均预测准确率可以达到91.25%,对比于其它数学模型,PCA-OPF模型预测准确率更高且更稳定,表明PCA-OPF模型在岩爆等级预测中有较好的实用性,可作为一种新的岩爆等级预测方法。     

基于10种机器学习算法的多指标岩爆倾向性等级评价

为探究在岩爆烈度等级预测中,判别指标数量和类别对模型稳定性的影响,提高岩爆预测精度。本文综合考虑诱发岩爆的内外因素,选取10个岩爆预测判别指标,通过将判别指标由少到多随机组合,建立1 023种指标组合方式;引入10种经典机器学习算法,构建岩爆烈度等级预测模型。为消除异常值,数量级和量纲的影响,采用四分位法寻找并替换异常值、进行归一化等数据预处理方法。利用穷举法,找出10种经典算法下平均精度最高的指标组合。研究表明：指标数量与模型稳定性无线性关系,其中3指标的组合预测效果最好,其综合准确率达到88.89%;算法模型中SVM和RF稳定性最优,综合准确率均达到88.89%;3种新的高稳定性指标组合方式分别是：3指标D、σθ、Wet组合,5指标D、Is、σmax、σθ/σc、Wet组合,7指标D、Is、σθ、σt、σc、Wet、（（σc-σt）/（σc+σt））组合。用本文优选的判别指标组合和预测模型,对大相岭隧道等进行岩爆倾向性等级评价,预测效果可靠,可为今后岩爆预测提供新的方法。     

基于改进随机森林算法的岩石爆破块度预测

为提高岩石爆破块度预测效果,利用多个矿山的岩石爆破统计数据,通过影响爆破岩石块度因素的重要度计算和皮尔逊相关系数判定筛选出炸药单耗、岩石块度尺寸、岩石弹性模量以及炮孔堵塞长度与炮孔排距比(T/B)等6个特征变量作为输入参数,建立一种基于改进随机森林回归算法的爆破块度预测模型。该模型预测的爆破块度逼近真实值,预测结果的可决系数(R²)、均方根误差(RMSE)和平均相对误差(MRE)分别为0.9881, 0.0430和0.1445,相较于线性回归预测模型和BP神经网络预测模型而言,其预测效果更优,因此该模型在实际应用中更具适用性,能够为爆破参数设计和优化提供参考。     

基于随机森林的煤体瓦斯渗透率预测研究

为了可以更好地指导瓦斯抽采及瓦斯灾害防治,利用随机森林方法并结合影响煤体瓦斯渗透率的4个主要影响因素——有效应力、气压、温度、抗压强度,对煤体瓦斯渗透率进行预测研究。利用22组数据作为训练样本,8组数据作为预测样本,分别从详细精度、混淆矩阵和节点错误率3个方面判断。结果表明:基于随机森林的煤体瓦斯渗透率预测模型训练效果总体水平稳定且预测准确率为100%,证明预测模型理论研究方面具有可行性;经过工程实例的应用,预测结果与实际结果相符合,随机森林的煤体瓦斯渗透率预测模型可应用于现场生产,对煤矿的高效安全生产具有重大指导意义。     

基于V-SVR算法的岩爆预测分析

以预测地下工程岩爆发生为研究目的,在综合影响岩爆的关键因素的基础上,选取地下工程围岩最大切向应力、岩石单轴抗压、抗拉强度、弹性能量指数、围岩切向应力与围岩抗压强度比值、围岩抗压强度与其抗拉强度的比值作为岩爆预测的评判指标,建立了一种基于改进支持向量机算法(v-SVR)的岩爆预测方法,并利用国内外45个岩石地下工程实例进行学习,对另外的16个实例进行了预测,取得了较好的效果,其预测精度明显优于灰色理论和常规SVR算法,与GA-BP神经网络算法相近.     

岩爆预测的Vague集模型

为合理准确地预测岩爆烈度,提出了一种新的Vague集岩爆预测模型。选取岩石单轴抗压强度、硐室最大切向应力、岩石抗拉强度及岩石弹性能量指数进行分析,并采用Vague熵确定各指标权重。将传统岩爆烈度等级细化为若干微元等级,基于Vague集的相似度量建立岩爆预测模型,根据相似度量曲线预测岩爆烈度等级。将国内外30个岩爆实例参数代入该模型进行验证,结果表明该模型具有较高的准确性。最后将该模型应用于马路坪矿和大相岭隧道的岩爆预测,结果与实际情况相符,且可预测处于同一传统岩爆等级中不同岩爆实例的烈度大小,提高了岩爆预测精度,为岩爆预测提供了一种新方法。     

基于博弈-灰靶模型的岩爆烈度等级评价

岩爆一直是深部高应力地下工程面临的一大难题，为了有效预测和评价地下岩体工程的岩爆灾害，建立了基于博弈论组合赋权-灰靶决策的岩爆烈度等级评价模型。首先，选取岩石单轴抗压强度与抗拉强度的比值σ_c/σ_t、切向应力与单轴抗压强度的比值σ_θ/σ_c、弹性变形能指数W_et和完整性系数K_v等定量化指标建立评价指标体系，运用Critic法、变异系数法和熵权法分别计算出各个指标的权重，再根据博弈理论对权重进行优化，进而确定博弈论组合赋权；然后，结合灰靶决策理论，建立不同岩爆烈度等级的综合靶心距分布集；最后，通过综合靶心距的大小对岩爆烈度等级进行判定。为验证所建模型的准确性和合理性，以终南山公路隧道工程为例，根据实测数据对该评价模型进行实例分析。研究结果表明：基于博弈-灰靶模型的岩爆评价结果与实际岩爆情况基本一致，说明该岩爆烈度等级评价模型有较好的精准性和可靠性。     

基于权重融合的多维云模型岩爆预测研究

岩爆是地下空间开发和矿业工程中主要工程地质灾害之一,岩爆倾向性预测是必须解决的岩石工程的重大问题。针对岩爆预测过程中多因素综合影响的特点,采用云雾化理论对权重融合的合理性进行检验,获得检验通过的综合权重,采用多维云模型岩爆预测方法,生成综合多种指标的等级综合云。最后,通过若干组国内外典型岩爆实例验证模型的可靠性和实用性,并与CRITIC-云模型、熵权-云模型和RS-TOPSIS模型对比,结果表明:基于云模型理论的权重融合方法能获得更为合理的综合权重,多维云模型应用于岩爆倾向性预测是有效的,可以直观、快速有效地判定岩爆烈度分级。     

基于GAPSO-RFR的矿井底板突水预测模型与应用

为了更精准地预测矿井突水灾害,对突水预测和救援提供帮助,减少水灾造成的损失,提出基于GAPSO-RFR的矿井突水预测模型。利用遗传-粒子群算法对随机森林回归模型(RFR)进行优化,选取34例样本对GAPSO-RFR模型进行迭代和训练。测试结果表明,GAPSO-RFR模型提高了预测精度,减少了泛化误差。同时利用模型对王家岭矿区部分盘区的10号煤层与2号煤层的突水风险进行预测分析,得出了突水风险较高的区域分布情况。     

基于ν-SVR算法的岩爆预测分析

以预测地下工程岩爆发生为研究目的,在综合影响岩爆的关键因素的基础上,选取地下工程围岩最大切向应力、岩石单轴抗压、抗拉强度、弹性能量指数、围岩切向应力与围岩抗压强度比值、围岩抗压强度与其抗拉强度的比值作为岩爆预测的评判指标,建立了一种基于改进支持向量机算法( ν-SVR)的岩爆预测方法,并利用国内外45个岩石地下工程实例进行学习,对另外的16个实例进行了预测,取得了较好的效果,其预测精度明显优于灰色理论和常规SVR算法,与GA-BP神经网络算法相近.     

Integrated prediction model of bauxite concentrate grade based on distributed machine vision

Concentrate grade of bauxite flotation is an important technology indicator, which has a direct effect on aluminum quality. Considering the unity, locality and inaccuracy of existing prediction methods of concentrate grade based on machine vision, a distributed machine vision system of bauxite flotation process is built in this paper, from which an integrated prediction model of concentrate grade is presented. At first, we use experimental methods to analyse image data from different flotation stages, as well as comment on the relationship between its global trends and local trends. Then taking advantage of the multiple kernels least squares support vector machine and wavelet extreme learning machine, models for prediction of concentrate grade and its residual compensation are established respectively to predict the concentrate grade through integration. Finally, validation and industrial applications show that the integrated prediction model based on distributed machine vision has a good generalization capability, which can achieve a good prediction accuracy of concentrate grade, with a relative error of less than 6%, thus laying a foundation for optimal control based on mineral grade in flotation process.     

基于随机森林算法的煤层气产能模式识别模型北大核心

为探究煤层气井的排采产能特征,合理分配开发顺序,根据沁水盆地柿庄南地区煤层气生产井实际生产资料分析,提取出排采曲线4类特征值:平均日产气量、峰值日产气量、见气到峰值的时间以及生产时间;结合排采曲线形态和4个特征值建立了3种产能模式,分析了3种产能模式的生产特征;利用随机森林算法建立3种产能模式与对应3号煤层的地球物理测井资料之间的非线性关系,通过网格搜索结合交叉验证的方式确定了随机森林模型超参数,建立了以测井曲线为特征向量的产能模式分类预测模型。将预测类别与实际类别对比分析,预测正确率达到91.7%,说明基于随机森林算法的煤层气产能模式识别具有较高的预测精度。     

基于随机动态模型的矿井瓦斯涌出量预测研究

为了对矿井瓦斯涌出量进行预测,基于灰色系统和时间序列分析的基本理论,建立了矿井瓦斯涌出量预测的随机动态模型,并将该模型应用到某矿瓦斯涌出量预测分析中.实例应用表明,随机动态模型在矿井瓦斯涌出量预测方面是有效的,预测结果正确可靠,反映出了矿井瓦斯涌出量的发展态势.     

基于混沌优化神经网络的冲击地压预测模型

为了改进BP神经网络用于冲击地压预测的精度和泛化能力,利用BP算法和混沌优化算法优缺点的互补性,构建了一种组合式优化预测模型（COBP）.将该模型应用于重庆砚石台煤矿冲击地压的预测,结果显示,该模型既利用混沌优化帮助BP算法克服了易陷入局部极值的缺点,又利用BP算法克服了基本混沌优化局部搜索能力有限和有时不能搜索到全局最优的缺陷.     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering.     

核主成分与随机森林相融合的配电网线损计算方法研究

线损是配电网经济运行的一项重要运行指标,但配电网存在结构复杂和运行信息不全等问题,给配电网的线损计算造成了较大困难。提出了一种融合核主成分和随机森林的配电网线损计算新方法,选取配电网线损相关电气特征量后,利用核主成分对特征量进行处理,再利用随机森林的强拟合能力实现特征量与线损间的非线性复杂映射。通过配电网线损计算实例的分析,结果表明本文方法在配电网线损计算中具有很好的有效性和优越性。研究成果可为配电网线损提供有效的理论参考和技术指导。     

基于随机权重法改进PSO-ELM的露天矿边坡稳定性分析

为提高极限学习机(ELM)模型在弓长岭露天矿边坡稳定性预测中的精度,有效解决ELM模型在训练过程中随机产生的连接权值和隐含层偏置而导致模型稳定性差的问题,引入基于随机权重法改进的粒子群算法(IPSO)进行优化,提出了改进粒子群算法优化极限学习机(IPSO-ELM)模型,将该模型应用到弓长岭露天矿边坡监测的数据中,把预测结果与ELM模型和PSO-ELM模型的预测值进行对比分析。结果表明：IPSO-ELM模型预测值接近于实测值,预测精度高、预测速度快、模型构建合理,在露天矿边坡预测中具有较高的可行性,可作为露天矿边坡预测的一种参考方法。     

Groundwater level prediction based on hybrid hierarchy genetic algorithm and RBF neural network

As the traditional non-linear systems generally based on gradient descent optimization method have some shortage in the field of groundwater level prediction, the paper, according to structure, algorithm and shortcoming of the conventional radial basis function neural network （RBF NN）, presented a new improved genetic algorithm （GA）： hybrid hierarchy genetic algorithm （HHGA）. In training RBF NN, the algorithm can automatically determine the structure and parameters of RBF based on the given sample data. Compared with the traditional groundwater level prediction model based on back propagation （BP） or RBF NN, the new prediction model based on HHGA and RBF NN can greatly increase the convergence speed and precision.