中国安全科学学报

作者：吴赛赛, 张曾瑞, 金韬, 张鑫, 郭进平

单位：1 西安建筑科技大学 资源工程学院, 陕西 西安 710054；2 陕西省岩土与地下空间工程重点实验室, 陕西 西安 710054

关键词：深部矿山,锚杆,应力腐蚀开裂,支持向量机(SVM),特征学习

基金：国家自然科学金资助(52004196); 陕西省重点研发计划项目(2023-GHYB-06); 陕西省“三秦学者”创新团队、陕西省科技创新团队项目(2022TD-05)

为解决地下矿山锚杆腐蚀失效问题,提出一种基于预测锚杆腐蚀失效速率的数学模型。收集矿山腐蚀失效锚杆相关数据,采用主成分分析法和梯度提升树方法,从原始数据中提取有用信息,并结合支持向量机(SVM)模型,预测复杂矿山环境中锚杆的腐蚀失效概率,利用具有连续特征和空间数据的数据集测试该模型,分析各环境因素对腐蚀失效影响权重,并与SVM、GTB-SVM这2种模型进行对比分析。研究结果表明:基于主成分分析的特征变换是可靠的风险预测方法,PCA-SVM模型在预测精度和结果的稳健性方面表现优越,训练集AUC值达到0.84、测试集达到0.83。该模型作为一个有用的在线工具,能够支持过程系统的安全和数字化。文中提出的主成分分析SVM模型,能够准确预测锚杆腐蚀失效的腐蚀概率。

来源：2023年第S1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第S1期