-
作者
马鑫民陈攀陈晨冯文宇朱培枭王毅
-
单位
中国矿业大学（北京）力学与建筑工程学院霍州煤电集团兴盛园煤业有限责任公司
-
摘要
煤巷围岩稳定性分类对指导现场岩体工程设计、施工、管理具有重要的理论和工程实际意义。本文选取了影响煤巷围岩稳定性的7个关键指标，采用现场案例、调查问卷和文献计量等方法收集样本并建立了围岩稳定性分类数据库，基于6种机器学习方法分别建立了煤巷围岩稳定性分类预测模型。经模型计算得出，神经网络和改进的支持向量机模型具有较高的预测准确性。将模型应用于霍州矿区实际工程，结果表明，神经网络和改进的支持向量机方法预测精度高、可靠性好。
-
关键词
围岩稳定性分类指标机器学习支持向量机神经网络
-
基金项目(Foundation)
国家自然科学基金(52074301)；
-
文章目录
1 算法原理
1.1 支持向量机基本原理
1.2 神经网络基本原理
1.3 其他机器学习方法
(1) 决策树。
(2) 提升法。
(3) 随机森林(Random Forest, RF)。
(4) k均值聚类法。
1.4 蝙蝠算法
2 围岩稳定性分类指标的确定及取值方法
(1) 围岩强度，包括顶板强度σt、两帮强度σc和底板强度σb。
(2) 煤层埋深H。
(3) 岩体完整性L。
(4) 采动影响，本区段采动影响和相邻区段的采动影响。
3 煤巷围岩稳定性分类模型建立
3.1 构建围岩分类数据库
3.2 基于SVM的煤矿巷道围岩稳定性分类预测
3.3 基于神经网络的煤矿巷道围岩稳定性分类预测
3.4 基于其他机器学习的围岩稳定性分类预测
4 工程应用
5 结 论
-
引用格式
马鑫民,陈攀,陈晨,冯文宇,朱培枭,王毅.基于机器学习的煤巷围岩稳定性预测与应用[J].矿业科学学报,2023,8(02):156-165.DOI:10.19606/j.cnki.jmst.2023.02.004.
矿业科学学报 
2023年第02期 
