基于特征选择的不同工程类型岩爆倾向性预测模型研究

岩爆倾向性预测的准确程度对于岩爆的预防和控制具有重要意义。为提高岩爆倾向性预测的准确性，利用Boruta特征选择算法，根据不同工程类型(隧道隧洞、矿山巷道、地下厂房)的岩爆事件建立预测模型。首先，分析收集到的不同工程类型岩爆样本，根据经验法，考虑岩体的地质结构、地应力条件、岩体强度、物理力学性质和梯度应力等因素选择选取(埋深(H)、围岩洞壁最大切向应力(σθ)、岩石单轴抗压强度(σc)、岩石单轴抗拉强度(σt)、岩石应力系数(σθ/σc)、岩石脆性系数(σc/σt)和岩石弹性能指数(Wet))7个指标作为初始特征，并利用孤立森林(Isolation Forest)算法对异常岩爆样本进行剔除。然后，采用Boruta算法对4类岩爆数据库进行特征选择，并结合合成少数类过采样技术(SMOTE)将岩爆样本进行均衡化处理，其准确率较未进行异常数据筛选和样本均衡化处理整体提升 11.3%。最后，将 3类工程选择的特征指标与均衡后的数据样本在7 种算法模型中进行分类预测模型的构建。在隧道隧洞和矿山巷道工程中，相比于未进行特征选择未均衡样本的分类预测模型，其预测准确率分别平均提高53%和39%，并发现随机森林(RF)和极端梯度提升(XGBoost)算法具有较高的准确率。通过工程实例的验证，RF 模型在岩爆倾向性等级预测时更加稳定，能够更为科学、准确的为深部工程岩爆的防控提供重要参考。