基于改进Smote-GBDT算法的岩爆预测模型

为准确预测岩爆等级，确保施工人员和设备安全，首先，从岩爆机制、数据和算法角度，分析埋深(D)、单轴抗压强度(UCS)、单轴抗拉强度(UTS)、岩石脆性指数(B₁、B₂)、围岩最大切向应力(MTS)、应力集中系数(SCF)和弹性变形能指数(W_et) 8个指标，建立岩爆预测指标体系；其次，针对岩爆样本存在的数据不均衡问题，引进托梅克联系(Tomek Link)对欠采样方法，改进合成少数类过采样(Smote)算法，对岩爆训练样本进行混合过采样；最后，构建SmoteTomek-梯度提升树(GBDT)岩爆预测模型，以38组数据验证模型的有效性，并与其他模型进行对比。结果表明：SmoteTomek-GBDT的准确率为92.1%,较未采样提升5.3%,Smote采样提升10.5%,优于随机过采样模型，并且避免跨等级的岩爆误判。