基于基因表达编程和粒子群优化鲁棒混合计算模型的深部地下矿井岩爆分类

在深部地下采矿中,岩爆因具有许多不利影响(如对人员、设备、隧道/地下矿山工作面和开采周期等的影响)而被视为不确定性风险。由于其不确定性的特征,对岩爆趋势的准确预测和分类具有一定难度,且已有研究成果较少。提出一种基于基因表达编程(GEP)和粒子群优化(PSO)的鲁棒混合计算模型GEP-PSO,用于预测和分类深部开口的岩爆趋势,提高了预测和分类的准确性。在建立GEP-PSO模型的过程中,评估GEP模型中不同数量的基因(1~4)和连接功能(例如,加法、提取、乘法和除法)。收集246次岩爆发生的地质和施工因素,用于建立岩爆分类的GEP-PSO模型;应用处理数据集缺失值的技术改进数据集的属性;用相关矩阵选取潜在输入参数的特征;建立13个混合GEP-PSO模型,得到各模型的精度。结果表明:在GEP结构中具有3个基因和乘法连接函数的GEP-PSO模型具有最高的准确度(80.49%)。将获得的最佳GEP-PSO模型的结果与基于相同数据集开发的各种已有模型进行比较,结果表明,选择的GEP-PSO模型结果优于已有模型,表明提出的GEP-PSO模型在岩爆等级的预测和分类方面的准确性显著提高,可以应用于深开挖工程中,以准确预测和评估岩爆敏感性。