基于交叉验证的XGBoost算法在岩爆烈度分级预测中的适用性探讨

发布时间：2021-03-16 21:59

　　为解决机器学习算法在样本较少时,所得岩爆烈度等级的预测结果存在可靠性不足的问题,采用一种基于交叉验证的XG-Boost算法,并讨论其适用性。先选取岩石单轴抗压强度σ_c、单轴抗拉强度σ_t、洞室围岩最大切应力σ_θ、岩石弹性变形指数W_et以及岩体完整性系数K_V等5个评价指标;再以国内外岩爆实例数据为样本,通过多次交叉验证计算XGBoost算法岩爆预测准确率,与支持向量机算法、随机森林算法所得准确率比较;最后对评价指标重要性进行分析。结果表明:1)在样本较少时,样本划分和排序的随机性对预测结果影响较大,通过多次交叉验证求取预测结果平均值,可提高结果可靠性;2)评价指标中K_V与σ_θ重要性最大,σ_c重要性最小;3)XGBoost算法具有较高的预测准确率,在岩爆烈度分级预测中具有一定适用性。 

【文章来源】：隧道建设(中英文). 2020,40(S1)北大核心

【文章页数】：7 页

【部分图文】：

k折交叉验证流程图

多次交叉验证示意图

XGBoost简化迭代流程

【参考文献】：
期刊论文
[1]硬岩岩爆预测预警研究进展[J]. 李鹏翔,陈炳瑞,周扬一,肖亚勋,丰光亮,祝国强.  煤炭学报. 2019(S2)
[2]岩爆孕育过程研究[J]. 冯夏庭,肖亚勋,丰光亮,姚志宾,陈炳瑞,杨成祥,苏国韶.  岩石力学与工程学报. 2019(04)
[3]基于粗糙集理论和支持向量机的岩爆预测[J]. 李宁,王李管,贾明涛.  中南大学学报(自然科学版). 2017(05)
[4]基于组合权重–理想点法的应变型岩爆五因素预测分级[J]. 徐琛,刘晓丽,王恩志,王思敬.  岩土工程学报. 2017(12)
[5]基于正态云模型的深埋地下工程岩爆烈度分级预测研究[J]. 王迎超,靖洪文,张强,蔚立元,徐智敏.  岩土力学. 2015(04)
[6]工程岩爆灾害判别的RBF-AR耦合模型[J]. 王羽,许强,柴贺军,刘丽,夏毓超,王晓东.  吉林大学学报(地球科学版). 2013(06)
[7]深部金属矿山RS-TOPSIS岩爆预测模型及其应用[J]. 周科平,雷涛,胡建华.  岩石力学与工程学报. 2013(S2)
[8]基于粒子群算法和广义回归神经网络的岩爆预测[J]. 贾义鹏,吕庆,尚岳全.  岩石力学与工程学报. 2013(02)
[9]基于Bayes判别分析方法的地下工程岩爆发生及烈度分级预测[J]. 宫凤强,李夕兵,张伟.  岩土力学. 2010(S1)
[10]岩爆发生和烈度分级预测的距离判别方法及应用[J]. 宫凤强,李夕兵.  岩石力学与工程学报. 2007(05)



本文编号：3086670