基于PCA-PNN原理的岩爆烈度分级预测方法

• 作者: 吴顺川 张晨曦 成子桥
• 来源期刊: 煤炭学报
• 学科: 工学
• 关键词: 岩爆预测 主成分分析 概率神经网络 烈度分级
• 年，卷（期）: 2019,（9）
• 页码范围: 2767-2776
• 页数: 10页
• 分类号: TU45
• 字数: 7298字
• 语种: 中文

摘要

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RCIt,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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴顺川	北京科技大学土木与资源工程学院	172	2411	26.0	41.0
5	成子桥		13	9	2.0	2.0
6	张晨曦	北京科技大学土木与资源工程学院	4	15	2.0	3.0