基于粗糙集理论和改进PNN算法的岩爆预测

摘要：

对岩爆进行准确且有效地预测具有十分重要的意义.根据岩爆的影响因素、特点及成因,选取岩石取样处的埋深H、岩石单轴抗压强度σc、应力系数σθ/σc、脆性系数σc/σt和冲击倾向性指数Wet作为预测指标,利用粗糙集属性约简算法获得关键属性,并得到特定地质条件下岩爆的主要影响因素,将主控因素数据归一化后构成概率神经网络的输入向量,减小了计算的复杂度.通过调整平滑因子的大小,建立基于粗糙集理论和概率神经网络(RS-PNN)的岩爆预测模型,并将RS-PNN的预测结果与其它模型的预测结果进行比较.结果表明,RS-PNN模型的判别结果准确率较高,且PNN网络的收敛速度通常在几秒钟之内,故基于RS-PNN的岩爆预测模型具有合理性和可行性.

关键词：粗糙集理论、概率神经网络、改进PNN算法

所属期刊栏目：43

分类号：TD315+.1;TP183(矿山压力与支护)

资助基金：国家自然科学基金资助项目;国家自然科学基金资助项目;河北省自然科学基金项目

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：96-101,115