刘晓悦 季红瑜

（华北理工大学电气工程学院，河北 唐山 063000）

岩爆又称冲击地压，是指发生在深埋地下高应力岩体开挖工程中的一种动力破坏现象，由于硐室应变能的突然释放引起严重的动态危险，整个过程中伴随着岩体破裂、剥落、分裂、弹射等现象［1-3］。随着地下工程开挖深度的日益增加，岩爆危险频繁发生，不仅延误工期，造成巨大的经济损失，更威胁着施工人员的生命安全。

由于影响岩爆发生因素众多，且成因机制复杂，国内外相关学者综合多种影响岩爆因素，提出多种指标判据，如Russense判据、RQD指标判据、贾愚如判据、秦岭隧道判据等。随着机器学习的快速发展，人工智能已应用于岩爆预测预警中。机器学习通过建立各岩爆指标同岩爆强度之间的关系，减少岩爆预警参数选取及数值确定方面的人为干预，从而提高预测精度［4-6］。多种著名机器算法已应用于该领域中［7］，如神经网络、随机森林、朴素贝叶斯等。但每种分类器都有其不足之处，如BP神经网络［8］收敛速度较慢；随机森林对低维数据分类效果较差，处理回归问题上易出现过拟合情况；朴素贝叶斯［9］对属性有关联的样本集分类效果不理想。由于岩爆发生是一个不确定且复杂的过程，单一分类器预测结果不够精准，因此引用集成分类算法，从而提高其预测准确度。

本研究综合集成算法在岩爆等级预测方面的优势，将BAS算法优化后的SVM同AdaBoost集成算法相组合对岩爆进行等级预测。SVM作为一种监督式学习方法，算法简单，且具有较好的鲁棒性，广泛地应用于回归分析及统计分类方面，但其分类效果受惩罚因子和核函数参数的影响较大。……