融合注意力机制与卷积神经网络的LSTM岩爆风险预测模型研究与应用

张昱; 王俊超; 郭正嘉; 方孔宜

doi:10.19606/j.cnki.jmst.2025056

矿业科学学报 ›› 2025, Vol. 10 ›› Issue (6) : 1150 -1162. DOI: 10.19606/j.cnki.jmst.2025056

融合注意力机制与卷积神经网络的LSTM岩爆风险预测模型研究与应用

张昱, 王俊超, 郭正嘉, 方孔宜

作者信息 +

Author information +

文章历史 +

摘要

岩爆灾害危险极大，准确预测岩爆风险是亟待解决的难题之一。文中提出并建立了融合注意力机制与卷积神经网络的LSTM(长短期记忆网络)岩爆风险预测(CAL)模型。首先，根据搜集的国内外岩爆样本数据进行4种方法的特征选取和实验对比。其次，通过CNN(卷积神经网络)、LSTM和注意力机制构建CAL模型并进行训练预测。最后，采用十折交叉验证方式开展CAL模型与KNN(K最近邻算法)、SVM(支持向量机)和DNN(深度神经网络)的对比实验，并与CNN、LSTM、CNN-LSTM进行消融实验。结果表明：文中提出的CAL模型预测准确度达98.6%,精确度达98.8%,召回率达98.6%,F1达0.987,4项评价指标均不同程度优于现有主流模型。最后，进行了现场实际工程检验，证明CAL模型可有效预测岩爆风险。