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 4种插补模型进行缺失值插补，结合Mean、Median 2种传统插补方法，依据RMES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%、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。

李康楠,吴雅琴,杜锋等.基于卷积神经网络的岩爆烈度等级预测[J/OL].煤田地质与勘探:1-9[2023-09-09].http://kns.cnki.net/kcms/detail/61.1155.P.20230907.1419.004.html