基于机器学习的岩石动态断裂韧度预测方法

李晓照; 罗秋林; 张卓祥; 戚承志

应用力学学报 ›› 2026, Vol. 43 ›› Issue (3) : 534 -544.

基于机器学习的岩石动态断裂韧度预测方法

李晓照, 罗秋林, 张卓祥, 戚承志

作者信息 +

Author information +

文章历史 +

摘要

岩石动态断裂韧度是评估岩石在动态载荷下抗裂纹扩展能力的关键参数，对深部资源开采、地质灾害防治等工程领域具有重要意义。传统实验方法面临成本高、操作复杂等问题，而机器学习技术为动态断裂韧度的预测提供了高效、低成本的解决方案。本研究基于210组切槽半圆盘弯曲岩石试样实验数据，选取密度、弹性模量、抗压强度、抗拉强度和加载率作为输入变量，采用反向传播（back propagation, BP）神经网络、随机森林（random forest, RF）、支持向量机（support vector machine, SVM）、极限学习机（extreme learning machine, ELM）、长短期记忆网络（long short-term memory network, LSTM）和卷积神经网络（convolutional neural network, CNN）6种机器学习模型，预测岩石的动态断裂韧度。通过决定系数（R²）、平均绝对误差(R_MAE)、平均偏差误差(R_MBE)和均方根误差(R_RMSE)评估模型性能。结果表明，ELM和BP模型表现最优，R²分别达到0.99和0.986 5,预测精度高且稳定性好。