基于随机森林模型的岩爆等级预测研究

①

杨悦增１，邓红卫２，虞松涛２

（１．招金矿业股份有限公司夏甸金矿，山东招远２６５４００；２．中南大学资源与安全工程学院，湖南长沙４１００８３）

摘要：以岩石单轴抗压强度二单轴抗拉强度二硐室最大切向应力二岩石压拉比二应力系数二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二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三结果表明：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三

关键词：岩爆；随机森林；岩爆等级预测；Ｒ语言；评价指标；指标重要度中图分类号：ＴＵ４５７

文献标识码：Ａ

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．０２５３－６０９９．２０１７．０４．００６

文章编号：０２５３－６０９９（２０１７）０４－００２３－０５

ＰｒｅｄｉｃｔｉｏｎｏｆＲｏｃｋｂｕｒｓｔＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＲａｎｄｏｍＦｏｒｅｓｔ

ＹＡＮＧＹｕｅ-ｚｅｎｇ１，ＤＥＮＧＨｏｎｇ-ｗｅｉ２，ＹＵＳｏｎｇ-ｔａｏ２

（１．ＸｉａｄｉａｎＧｏｌｄＭｉｎｅ，ＺｈａｏｊｉｎＭｉｎｉｎｇＩｎｄｕｓｔｒｙＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｚｈａｏｙｕａｎ２６５４００，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＲｅｓｏｕｒｃｅｓａｎｄＳａｆｅｔｙＥｎｇｉｎｅｅｒｉｎｇ，ＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００８３，Ｈｕｎａｎ，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｆｏｕｒｅｖａｌｕａｔｉｏｎｐｒｏｇｒａｍｓｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｗｉｔｈｕｎｉａｘｉａｌｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈａｎｄｕｎｉａｘｉａｌｔｅｎｓｉｌｅｓｔｒｅｎｇｔｈｏｆｒｏｃｋｓ，ｔｈｅｍａｘｉｍｕｍｔａｎｇｅｎｔｉａｌｓｔｒｅｓｓ，ｒａｔｉｏｏｆｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈｔｏｔｅｎｓｉｌｅｓｔｒｅｎｇｔｈｏｆｒｏｃｋ，ｓｔｒｅｓｓｃｏｅｆｆｉｃｉｅｎｔ，ｅｌａｓｔｉｃｓｔｒａｉｎｉｎｄｅｘａｎｄｉｎｔｅｇｒｉｔｙｃｏｅｆｆｉｃｉｅｎｔａｓｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓ．ＡｒａｎｄｏｍｆｏｒｅｓｔｍｏｄｅｌｆｏｒｐｒｅｄｉｃｔｉｏｎｏｆｒｏｃｋｂｕｒｓｔｃｌａｓｓｉｆｉｃａｔｉｏｎｗａｓｅｓｔａｂｌｉｓｈｅｄｕｓｉｎｇｒａｎｄｏｍｆｏｒｅｓｔｃａｌｃｕｌａｔｉｏｎａｎｄｗａｓｃａｌｃｕｌａｔｅｄｗｉｔｈｃｏｄｅｂｙｕｓｉｎｇＲｐｒｏｇｒａｍｍｉｎｇｌａｎｇｕａｇｅ，ｌｅａｄｉｎｇｔｏｔｈｅｉｍｐｏｒｔａｎｃｅｏｆｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓａｎｄｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔ．Ｔｈｅｎ，ｆｏｕｒｅｖａｌｕａｔｉｏｎｐｒｏｇｒａｍｓｗｅｒｅｐｒｅｄｉｃａｔｅｄ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｉｔｈｒａｎｄｏｍｆｏｒｅｓｔ，ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ａｎｄｔｈｅｏｂｔａｉｎｅｄｒｅｓｕｌｔｓｗｅｒｅｃｏｍｐａｒｅｄａｎｄａｎａｌｙｚｅｄ．Ｉｔｉｓｆｏｕｎｄｔｈａｔｔｈｅｐｒｅｄｉｃａｔｉｏｎｗｉｔｈｒａｎｄｏｍｆｏｒｅｓｔｐｒｏｖｉｄｉｎｇａｈｉｇｈａｃｃｕｒａｃｙ（ｕｐｔｏ９７％）ｃａｎｂｅｕｓｅｄｆｏｒｔｈｏｓｅｓｍａｌｌｓａｍｐｌｅｓｗｉｔｈｕｎｃｏｍｐｌｅｔｅｄｄａｔａ．Ａｎｄａｍｏｎｇａｌｌｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓ，ｒｏｃｋｉｎｔｅｇｒｉｔｙｃｏｅｆｆｉｃｉｅｎｔｓｈｏｗｓｔｏｂｅｔｈｅｇｒｅａｔｅｓｔｉｍｐｏｒｔａｎｔｗｈｉｌｅｕｎｉａｘｉａｌｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｎｇｔｈｂｅｉｎｇｔｈｅｌｅａｓｔ．

Ｋｅｙｗｏｒｄｓ：ｒｏｃｋｂｕｒｓｔ；ｒａｎｄｏｍｆｏｒｅｓｔ；ｒｏｃｋｂｕｒｓｔｃｌａｓｓｉｆｉｃａｔｉｏｎｆｏｒｅｃａｓｔ；Ｒｐｒｏｇｒａｍｍｉｎｇｌａｎｇｕａｇｅ；ｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒ；ｉｎｄｉｃａｔｏｒｉｍｐｏｒｔａｎｃｅ

随着矿业二隧道等地下工程的发展，岩爆对地下工程的设计二安全施工和生产的制约日益凸显三因此，如何有效防控岩爆是地下工程亟待解决的关键问题三岩爆等级预测是岩爆防控的重要基础之一，是众多岩土工作者的研究热点三

国内外学者对岩爆预测开展了大量研究工作三模

糊评判法［１］二人工神经网络法［２］二灰色关联度分析法［３］二支持向量机法［４］二距离判别法［５］二粒子群优化投影寻踪法［６］等方法被运用于岩爆等级预测，并取得了一定的研究成果，它们各具优点，同时也具有各自的不足三模糊评判法［７］过度注重极值作用，导致其他信息

缺失；人工神经网络法和支持向量机法［４］在小样本的情况下对其模型的泛化能力要求过高，且评价精度不高；灰色关联度分析法易于受到原始数据信息的干扰，预测精度无法保证；粒子群优化投影寻踪法在判别指标增多时模型最优化问题尚未解决；距离判别法受原始数据的影响较大三

本文选取不同的岩爆预测指标，建立４种岩爆预测评价方案，基于随机森林算法建立岩爆预测的随机森林模型，利用国内外３０个岩爆样本对模型进行训练和预测，并与支持向量机法和线性回归法在４种评价方案下的预测结果相比较，结果表明本模型具有较高

①

收稿日期：２０１７－０２－１２

作者简介：杨悦增（１９６７－），男，山东招远人，高级工程师，硕士，主要研究方向为矿山运营管理及深井开采技术三通讯作者：邓红卫（１９６９－），男，湖南益阳人，副教授，博士，主要从事金属矿安全高效开采二矿山岩石力学方向的研究工作三

第３７卷第４期２０１７年０８月

矿冶工程

ＭＩＮＩＮＧＡＮＤＭＥＴＡＬＬＵＲＧＩＣＡＬＥＮＧＩＮＥＥＲＩＮＧ

Ｖｏｌ．３７?４Ａｕｇｕｓｔ２０１７

万方数据