刘晓悦，张雪梅，杨 伟

(华北理工大学电气工程学院，河北 唐山 063000)

岩爆是深部岩体工程开挖中常见的一种动态、自发、不受控制的地质灾害。开挖围岩在高地应力条件下应力场重新分配，导致岩石破裂并产生的一系列不利的影响,如破裂、剥离排出、突然释放了硬脆性围岩储存的弹性应变能量。因为岩爆过程是突发的、强烈的，而且岩石颗粒可以以8～50 m/s的速度喷射出来，威胁地下工作人员和设备的安全，影响作业的进度，进而导致整个工程被阻碍。由于越来越深的开挖和越来越高的应力水平，岩爆的发生越来越频繁，岩爆问题也日益突出[1]。然而，受模型和参数不确定性影响的岩爆预测分类是一个非常复杂的非线性过程，岩爆分类仍是一个巨大的挑战。因此，引入一种新的智能方法来研究岩爆和强度分级预测仍然十分必要。

本文通过主成分分析方法对文献中选取的岩爆预测指标进行分析，解决了数据之间的相关性问题，将提取出的指标用于SVM模型。最后通过支持向量机用于岩爆预测数据的训练并建立相应的预测模型，有效解决了复杂影响因素情况下模型难以确定的问题，为岩爆预测研究提供了一种新的方法。

1 方 法

1.1 主成分分析(PCA)

主成分分析方法的核心是线性组合原始指标，使之成为一组包含大部分原始信息的独立的、新的、综合的指标集。具体步骤如下所述[2-3]。

步骤1：将原始数据进行标准化。假设原始评价指标数据矩阵为X=(xij)m×p，见式(1)。……