基于PCA-RVM的围岩稳定性识别模型

• 作者: 张研 曾建斌 景小青 邓雪沁
• 来源期刊: 煤矿安全
• 关键词: 围岩稳定性 主成分分析 相关向量机 分类模型 识别模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 分析•探讨|Analysis?Discussion
• 页码范围: 274-280
• 页数: 7页
• 分类号: TD322
• 语种: 中文
• DOI: 10.13347/j.cnki.mkaq.2020.11.056

摘要

围岩稳定性受诸多因素的影响,各影响因素间存在复杂的非线性关系.为准确判定围岩稳定性类别,选取岩石质量指标RQD、岩石单轴饱和抗压强度Rw、完整性系数Kv、结构面强度系数Kf、地下水渗水量ω等作为影响围岩稳定性的主要因素,通过主成分分析(Principal Compo-nent Analysis,PCA)将以上5个影响因素降维成2个相互独立的主成分,采用相关向量机(Rele-vance Vector Machine,RVM)建立主成分变量与围岩稳定性类别之间的非线性映射关系,将输出的评价结果输入至"一对一"投票器以确定稳定性类别;将PCA-RVM围岩稳定性识别模型运用于实际工程,用21组样本对6组样本进行预测,其中5组预测结果与实际类别一致.结果表明:提出的识别模型适用于小样本问题,通过设置合理的带宽和迭代次数可有效提高模型精度,减少误判率.