声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1155/P
国际刊号：1001-1986
发布日期:
作者：李康楠, 吴雅琴, 杜锋, 张翔, 王乙桥,
关键词：岩爆, 深部岩体, 烈度分级, 指标体系, 数据插补, 深度学习, 预测模型,
岩爆是深部资源开采过程中亟待解决的问题之一。为安全高效地预测岩爆灾害，提出一种基于链式方程多重插补法(MICE)与卷积神经网络(CNN)的岩爆烈度等级预测模型(MICE-CNN)。基于岩爆的主要影响因素与获取条件，建立预测指标体系，搜集120组岩爆案例原始数据，运用拉依达准则进行异常值处理，应用MICE选取RF、BLR、ET、KNN 这4种插补模型进行缺失值插补，结合Mean、Median 这2种传统插补方法，依据ERMS选取最优模型进行数据插补得到完整数据集，将数据平铺为6×1×1的一维图像数据作为输入层，结合输入层大小进行计算，确定卷积核与池化核大小均为3×1，特征边缘处理方法为前后补零。添加批量归一化层增加模型稳定性与收敛速度，优选ReLU激活函数、SGDM优化器函数。对CNN预测模型进行训练，训练集与验证集的准确率分别为100.00%、91.67%。建立RBF、SVM与PNN模型，分别对3个模型与CNN模型输入测试集数据进行对比验证，CNN模型预测结果准确率高于其他模型，为91.67%；对比PNN模型与CNN模型的混淆矩阵，CNN模型误判结果比实际结果岩爆程度高，即误判后的安全性更好，表明MICE-CNN岩爆等级预测模型切实可行。
来源：2023年第10期
《煤田地质与勘探》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。