基于AVOA-XGBoost模型的岩爆预测研究

作者：高永涛; 朱强; 吴顺川; 陈龙

来源：华中科技大学学报(自然科学版)科技大学, 2023, 51(12): 151-157.

DOI：10.13245/j.hust.231269

• 岩石力学
• 岩爆预测
• 极限梯度提升
• 非洲秃鹰优化算法
• 合成少数类过采样技术

为了安全高效地开采矿产资源，提出一种AVOA-XGBoost模型来预测岩爆烈度．依据初步选取的6个评价指标收集了326个岩爆案例，并采用Boruta算法和合成少数类过采样技术(SMOTE)进行特征筛选和解决类不平衡问题．经过预处理后的数据集通过分层抽样被划分为训练集(80%)和测试集(20%)，分别用于训练和测试模型，结果表明：非洲秃鹰优化算法(AVOA)可以高效地确定XGBoost算法的超参数；与现有的智能模型相比，该模型的准确率优异，Kappa系数为0.92，且较单一的XGBoost模型表现出更优的收敛速度；对特征的重要性分析发现岩石的弹性能量指数对模型的贡献最大．最后，将模型应用于三山岛金矿工程案例，验证了AVOA-XGBoost模型在岩爆预测中的有效性和实用性．

• 单位
  北京科技大学; 昆明理工大学