基于机器学习的煤巷围岩稳定性预测与应用

作者：马鑫民; 陈攀; 陈晨; 冯文宇; 朱培枭; 王毅

来源：矿业科学学报, 2023, 8(02): 156-165.

DOI：10.19606/j.cnki.jmst.2023.02.004

• 围岩稳定性
• 分类指标
• 机器学习
• 支持向量机
• 神经网络

煤巷围岩稳定性分类对指导现场岩体工程设计、施工、管理具有重要的理论和工程实际意义。本文选取了影响煤巷围岩稳定性的7个关键指标，采用现场案例、调查问卷和文献计量等方法收集样本并建立了围岩稳定性分类数据库，基于6种机器学习方法分别建立了煤巷围岩稳定性分类预测模型。经模型计算得出，神经网络和改进的支持向量机模型具有较高的预测准确性。将模型应用于霍州矿区实际工程，结果表明，神经网络和改进的支持向量机方法预测精度高、可靠性好。

• 单位
  建筑工程学院; 中国矿业大学（北京）