基于AdaBoost组合学习方法的岩爆分类预测研究

›› 2008, Vol. 29 ›› Issue (4): 943-948.

基于AdaBoost组合学习方法的岩爆分类预测研究

葛启发^1,3，冯夏庭^1,2

1. 东北大学资源与土木工程学院，沈阳 110004；2. 中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室，武汉 430071； 3. 中国恩菲工程技术有限公司，北京 100038

收稿日期:2006-03-30 出版日期:2008-04-10 发布日期:2013-07-10
作者简介:葛启发，男，1980年生，硕士研究生，主要从事数据挖掘方法与专家系统及矿山设计等研究方面的工作
基金资助:
国家杰出青年科学基金（No. 50325414）

Classification and prediction of rockburst using AdaBoost combination learning method

GE Qi-fa¹, FENG Xia-ting^1,2

1. School of Resources & Civil Engineering, Northeastern University, Shenyang 110004, China; 2. State Key Laboratory of Geomechanics and Geotechnical Engineering, Institute of Rock and Soil Mechanics, Chinese Academy of Sciences, Wuhan 430071, China

Received:2006-03-30 Online:2008-04-10 Published:2013-07-10

摘要/Abstract

摘要： 针对岩爆等级划分问题，考虑了岩爆灾害发生的多种主要影响因素，采用新的数据挖掘方法AdaBoost（即Adaptive Boosting）的组合学习方法，结合流行的人工神经网络BP算法，构建了集成神经网络AdaBoost—ANN（简称AB—ANN）的岩爆等级多分类预测模型。该模型克服了单一弱分类器的不稳定性，提高了分类器精度，实验结果表明，预测的结果与实际值比较吻合，证明了该方法的可行性。

关键词: 岩爆, 等级分类, 数据挖掘, AdaBoost, 神经网络

Abstract: Rockburst is one of the most important geologic hazards. To solve the problem of classification and prediction of rockburst, the main factors of rockburst occurred and the effective classification methods should be considered., A new method is proposed based on combination of artificial neural networks (ANN) classifiers as weak classifiers by using AdaBoost algorithm in data mining. The AdaBoost-ANN models are established. Overcoming the instability of single classifier, the models can give more accurate and stable classification for the novel conditions. The results show that this method is reliable, constrictive and promising.

Key words: rockburst, classification, data mining, AdaBoost, ANN

中图分类号:

TU 324

葛启发，冯夏庭 . 基于AdaBoost组合学习方法的岩爆分类预测研究[J]. , 2008, 29(4): 943-948.

GE Qi-fa , FENG Xia-ting . Classification and prediction of rockburst using AdaBoost combination learning method[J]. , 2008, 29(4): 943-948.

参考文献

相关文章 15

[1]	周辉, 陈珺, 张传庆, 朱勇, 卢景景, 姜玥, . 低强高脆岩爆模型材料配比试验研究[J]. 岩土力学, 2019, 40(6): 2039-2049.
[2]	赵振华, 张晓君, 李晓程, . 含卸压孔硬岩应力松弛特性试验研究[J]. 岩土力学, 2019, 40(6): 2192-2199.
[3]	苏国韶, 燕思周, 闫召富, 翟少彬, 燕柳斌, . 真三轴加载条件下岩爆过程的声发射演化特征[J]. 岩土力学, 2019, 40(5): 1673-1682.
[4]	罗丹旎, 苏国韶, 何保煜, . 不同饱水度花岗岩的真三轴岩爆试验研究[J]. 岩土力学, 2019, 40(4): 1331-1340.
[5]	严健, 何川, 汪波, 蒙伟, . 高地温对隧道岩爆发生的影响性研究[J]. 岩土力学, 2019, 40(4): 1543-1550.
[6]	钟国强, 王浩, 李莉, 王成汤, 谢壁婷, . 基于SFLA-GRNN模型的基坑地表最大沉降预测[J]. 岩土力学, 2019, 40(2): 792-798.
[7]	赵菲, 王洪建, 何满潮, 袁广祥, 罗耀武, . 不同高度花岗岩岩爆试验的声发射特征[J]. 岩土力学, 2019, 40(1): 135-146.
[8]	王之东, 黎立云, 陈滔, 刘兵权, . 矿柱岩爆模型试验中能量释放研究[J]. 岩土力学, 2018, 39(S2): 177-185.
[9]	王庆武，巨能攀，杜玲丽，黄健，胡勇,. 拉林铁路桑日至加查段三维地应力场反演分析[J]. , 2018, 39(4): 1450-1462.
[10]	向鹏，纪洪广，蔡美峰，张月征. 抛掷型岩爆震源体能量动态释放机制与几何尺度特征[J]. , 2018, 39(2): 457-466.
[11]	司雪峰, 宫凤强，罗勇，李夕兵, . 深部三维圆形洞室岩爆过程的模拟试验[J]. , 2018, 39(2): 621-634.
[12]	马春驰，李天斌，张航，王剑锋, . 基于EMS微震参数的岩爆预警方法及探讨[J]. , 2018, 39(2): 765-774.
[13]	蒙伟，何川，汪波，张钧博，吴枋胤，夏舞阳. 基于侧压力系数的岩爆区初始地应力场二次反演分析[J]. , 2018, 39(11): 4191-4200.
[14]	刘鑫锦，苏国韶，冯夏庭，燕柳斌，闫召富，张洁，李燕芳，. 基于声音信号的室内岩爆动态预测方法[J]. , 2018, 39(10): 3573-3580.
[15]	张艳博，杨震，姚旭龙，梁鹏，田宝柱，孙林,. 基于声发射信号聚类分析和神经网络识别的岩爆预警方法实验研究[J]. , 2017, 38(S2): 89-98.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	孙勇. 滑坡面下双排抗滑结构的计算方法研究[J]. , 2009, 30(10): 2971 -2977 .
[2]	鲁祖德，陈从新，陈建胜，童志怡，左保成，戴旭明. 岭澳核电三期强风化角岩边坡岩体直剪试验研究[J]. , 2009, 30(12): 3783 -3787 .
[3]	瞿万波，刘新荣，傅晏，秦晓英. 洞桩法大断面群洞交叉隧道初衬数值模拟[J]. , 2009, 30(9): 2799 -2804 .
[4]	李华明，蒋关鲁，刘先峰. CFG桩加固饱和粉土地基的动力特性试验研究[J]. , 2010, 31(5): 1550 -1554 .
[5]	谈云志，孔令伟，郭爱国，万智. 压实红黏土水分传输的毛细效应与数值模拟[J]. , 2010, 31(7): 2289 -2294 .
[6]	王云岗，熊凯，凌道盛. 基于平动加转动运动场的边坡稳定上限分析[J]. , 2010, 31(8): 2619 -2624 .
[7]	孟庆山，孔令伟，陈能远，范建海，郭刚. 桩锚挡墙联合支护残积土边坡离心模型试验研究[J]. , 2010, 31(11): 3379 -3384 .
[8]	魏新江，郭志威，魏纲，张世民. 考虑渗流影响的盾构出洞灾害机制研究[J]. , 2011, 32(1): 106 -110 .
[9]	房敬年，周辉，胡大伟，邵建富，梁玉雷. 岩盐弹塑性损伤耦合模型研究[J]. , 2011, 32(2): 363 -368 .
[10]	王洪亮，范鹏贤，王明洋，李文培，钱岳红. 应变率对红砂岩渐进破坏过程和特征应力的影响[J]. , 2011, 32(5): 1340 -1346 .