基于GD-DNN模型的岩爆烈度等级预测方法与应用

岩爆是深埋隧道施工过程中开挖时形成临空面,引起能量突然释放的现象,轻则岩片剥落,重则造成人员伤亡和财产损失,其危害程度取决于岩爆烈度等级,因此岩爆烈度等级预测是急需解决的难题之一。针对单一指标预测法预测效果不理想的问题,首先设计并实现了综合指标法和针对多分类问题的分类器,其次提出并建立了基于梯度下降(gradient descent,DN)算法优化深度神经网络(deep neural network,DNN)的GD-DNN岩爆烈度等级预测模型。实验结果表明:GD-DNN模型预测的准确率达到95.8%,相比机器学习算法,K最近邻(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)和深度学习算法DNN分别提高了45.8%、38.7%和8.3%,同时在精确率、召回率和F1三项指标上均优于其他模型。最后在秦岭隧道、大相岭隧道、通渝隧道和马路坪矿井4个实际工程中检验模型的预测效果,检验结果证明GD-DNN模型能够精准预测岩爆烈度等级,研究成果可应用于深埋隧道工程中。