田 冰，黄 山，孙 晔，闫宇杰，金康康

(1.华北理工大学以升创新教育基地，河北 唐山 063210；2.华北理工大学人工智能学院，河北 唐山 063210；3.北京电信规划设计院有限公司，北京 100044)

0 引 言

岩爆是地应力条件下深部工程和开采过程中的一种人为地质灾害，围岩应力进行重新分布，引起该地区短时间内产生猛烈、突发的破环现象。岩爆严重威胁施工人员和设备的安全，甚至会诱发地震，因此对岩爆发生的客观精准预测尤为重要。随着近年来我国对工程安全的重视，很多学者对岩爆预测展开了研究。

理论分析法是常用的预测方法，包括煤岩冲击倾向性法、综合指数法、数值模拟法。目前，国内外学者将机器学习引入到岩爆预测中，如模糊数学法、粒子群算法和广义神经网络、贝叶斯判别分析、支持向量机等[1-2]，改进了单一判据的岩爆预测方法并且成功应用于实际生产中。贾义鹏[3]提出一种基于粒子群算法优化的广义神经网络岩爆预测模型，减少了主观因素对神经网络设计的影响;李宁等[4]提出基于粗糙集理论和支持向量机的岩爆预测;刘冉等[5]提出粗糙集-多维正态云模型岩爆分级预测，具有较好的实用性。但是由于机器学习自身的局限性，如所需样本数量大且易过拟合、参数设定无标准造成结果不同等，导致计算复杂、实用性低的问题，且在指标权重确定上具有较强的主观性。本文针对性地选取预测指标，从应力、岩性、能量三个角度出发，通过SOM神经网络先对样本进行聚类分析，再结合灰色关联度计算应力、岩性、能量三个指标因素的权重，最后采用TOPSIS评价法对聚类结果进行排序预测。……