基于微震多参数和PSO-CatBoost算法的硬岩岩爆短期预测

摘要

为提高深部硬岩开挖过程中短期岩爆风险预测的准确性，提出了一种基于微震多参数和粒子群优化分类增强算法（CatBoost）的新模型。首先，以103组微震样本数据作为基础，通过分析各微震参数与岩爆等级之间的相关关系，进行评价指标的选取；其次，引入CatBoost集成学习算法，利用PSO对超参数寻优，构建PSO-CatBoost预测模型，并与其他模型进行对比，以验证其效果，最后，将该方法应用于几个硬岩岩爆工程中进行验证。研究结果表明：PSO-CatBoost模型预测准确率可达90%，与研究中使用的CatBoost、随机森林、XGBoost、BP神经网络和逻辑回归算法等模型相比，准确率分别提高了9%、4%、9%、19%和14%；工程应用表明，PSO-CatBoost模型预测结果与实际结果相吻合，与同类方法相比，其准确性和工程适用性更好。研究结果可为深部地下工程施工过程中的短期岩爆风险等级预测提供科学参考。

关键词

深部硬岩 / 岩爆等级预测 / 微震 / CatBoost / 粒子群优化 / 机器学习