支持向量机在岩爆预测中的应用

金属矿山 ›› 2009, Vol. 39 ›› Issue (11): 100-104.

支持向量机在岩爆预测中的应用

陈祖云¹，张桂珍¹，邬长福¹，杨胜强²

1.江西理工大学；2.中国矿业大学

出版日期:2009-11-16 发布日期:2011-04-26
基金资助:
江西省教育厅项目（编号：GJJ09240）。

Application of the Support Vector Machine in Prediction of Rock Burst

Chen Zuyun¹，Zhang Guizhen¹，Wu Changfu¹，Yang Shengqiang²

1.Jiangxi University of Science and Technology，2 China University of Mining and Technology

Online:2009-11-16 Published:2011-04-26

摘要/Abstract

摘要： 岩爆是高地应力地下工程中的地质灾害之一，其影响因素存在极其复杂的非线性关系。选取岩石抗压强度、抗拉强度、弹性能量指数和洞壁最大切向应力作为岩爆预测的特征向量，建立岩爆预测的支持向量机模型，对岩爆的发生及其烈度进行预测。预测结果与实际情况及其他方法相吻合，表明支持向量机在岩爆预测中的可行性和有效性。

关键词: 岩爆, 支持向量机, 预测

Abstract: Rock-burst is one of the main geological hazards during rocky tunnel construction in high crustal stress zone，and its influencing factors have an extremely complex nonlinear relationship.The compression strength，tensile strength，elastic energy index of rock and maximum tangential stress of cavern wall are chosen as characteristic vector of predicting rock-burst，and the prediction model of rock-burst based on support vector machines is established to predict the rock burst and intensity.The consistent prediction of rock-burst occurrence and intensity with the actual situation and with those by other methods showed that it is feasible and valid to use the support vector machines model for predicting rock-burst.

Key words: Rock-burst, Support vector machines, Prediction

陈祖云, 张桂珍, 邬长福, 杨胜强. 支持向量机在岩爆预测中的应用[J]. 金属矿山, 2009, 39(11): 100-104.

CHEN Zu-Yun, ZHANG Gui-Zhen, WU Chang-Fu, YANG Sheng-Qiang. Application of the Support Vector Machine in Prediction of Rock Burst[J]. Metal Mine, 2009, 39(11): 100-104.

[1]	苏特, 钱建平, 周伟蛟, 喻菊阳, 张果, 关显东, 吴正鹏. 湖南安化渣滓溪钨锑矿床成矿构造分析及找矿预测[J]. 金属矿山, 2020, 49(09): 147-158.
[2]	田九玲. 基于证据权模型的赤峰—呼伦贝尔成矿带找矿预测[J]. 金属矿山, 2020, 49(09): 167-172.
[3]	于世波, 杨小聪, 王志修, 原野. 深部高应力矿柱应力隔断帷幕的卸荷效应研究[J]. 金属矿山, 2020, 49(08): 8-12.
[4]	吴双, 武瑞杰, 吴侃, 王瑞, 周大伟. 基于多光谱遥感的矿区积水区水深反演[J]. 金属矿山, 2020, 49(08): 129-135.
[5]	何晓华 . 爆堆前冲和后冲距离的 GSM/GA-SVM预测模型[J]. 金属矿山, 2020, 49(06): 177-183.
[6]	吝曼卿, 柯晓苏, 张电吉, 彭亚利, 周磊, 杨敏. 基于“协同开采”理念的深部磷矿岩爆防控研究[J]. 金属矿山, 2020, 50(05): 158-163.
[7]	孙振华, 杨天鸿, 安琦, 辛全明 . 基于IAGA+M-SVR的岩土参数反分析方法及其工程应用[J]. 金属矿山, 2020, 49(04): 32-38.
[8]	蔡安江, 李涛, 王洪波, 田凤阳, 杨洁 . 带式输送机故障准确诊断方法[J]. 金属矿山, 2020, 49(04): 130-134.
[9]	程爱平, 董福松, 张玉山, 王平, 戴顺意. 胶结充填体波速-密度双参数强度预测模型研究[J]. 金属矿山, 2019, 48(07): 26-31.
[10]	齐留洋, 王德胜, 刘占全, 崔凤, 徐晓东, 郭建新. 矿山预裂爆破效果预测的BP神经网络法[J]. 金属矿山, 2019, 48(07): 65-69.
[11]	陈竹安, 熊鑫, 危小建. 利用卡尔曼滤波综合算法构建开采沉陷预测模型[J]. 金属矿山, 2019, 48(05): 132-136.
[12]	熊迪, 吴浩, 杨剑, 郭世泰. 回归分析与抗差卡尔曼滤波协同下大型边坡短期变形的预测方法[J]. 金属矿山, 2019, 48(04): 163-167.
[13]	刘冉, 叶义成, 张光权, 姚囝, 陈虎, 王其虎. 岩爆分级预测的粗糙集-多维正态云模型[J]. 金属矿山, 2019, 48(03): 48-55.
[14]	冯腾飞, 刘小生, 钟钰, 马玉清. 矿区边坡变形预测的IGM-LSSVM模型[J]. 金属矿山, 2019, 48(03): 168-172.
[15]	唐学飞, 杨光, 高鹏, 张臣一. 基于LM-BP神经网络的浮选药剂流量预测模型研究[J]. 金属矿山, 2019, 48(02): 200-204.