目的 为准确预测岩爆等级，确保高应力隧道施工过程人员及设备安全。方法 提出一种结合鲸鱼优化算法(WOA)和长短时记忆神经网络(LSTM)优势的岩爆等级预测模型，依托典型岩爆隧道工程，建立了包含268个不同岩爆等级的微震信息数据库，采用皮尔逊相关系数法筛选了岩爆孕育过程中相关性较高的指标，包括累积微震事件数、累积微震释放能、累积微震视体积、微震事件率，按照6∶2∶2的比例将微震数据分为训练集、验证集和测试集，并与LSTM和RNN模型的岩爆等级预测结果进行比较分析。结果 通过对3种模型的测试与验证，本文所提出的WOA-LSTM模型相较于LSTM和RNN模型能够更快得到最优解，收敛效果更好，模型的预测误差MAE为0.186,RMSE为0.0534,在岩爆等级的预测准确率A、精确率P和召回率R明显高于其它模型，在相似的高应力隧道工程中，WOA-LSTM模型能将6组输入的不同等级岩爆微震数据全部预测正确。结论 WOA算法优化后的LSTM模型超参数选择更加容易，模型预测准确率显著提高，在高应力隧道岩爆等级预测上可行且有效。

1 WOA-LSTM模型
1.1 LSTM模型计算原理
1.2 WOA算法优化与改进
1)包围捕食阶段
2)气泡攻击阶段
3)搜索阶段
1.3 WOA-LSTM模型的建立
2 岩爆预测样本数据库
2.1 样本数据获取
2.2 样本数据分析
2.3 预测指标选取
3 结果与讨论
3.1 岩爆等级预测总体效果评价
3.2 模型预测结果对比
3.3 工程验证
4 结论与展望

[1]张强,申超飞,李永超,等.基于WOA-LSTM和微震监测的岩爆等级预测模型[J].安徽理工大学学报(自然科学版),2024,44(04):50-59.