黄金科学技术 ›› 2018, Vol. 26 ›› Issue (1): 49-55.doi: 10.11872/j.issn.1005-2518.2018.01.049
刘强，李夕兵，梁伟章*
LIU Qiang，LI Xibing，LIANG Weizhang
摘要：
为了更合理地确定岩体质量类别，将主成分分析（PCA）与随机森林（RF）算法相结合，提出一种岩体质量分类的PCA-RF模型。选取能够充分反映岩体质量类别的5项指标进行分析，运用主成分分析法对各指标进行相关性处理，依据方差累计贡献率得出3个主成分，从而消除指标间的相关性，减少模型输入。然后采用随机森林模型对岩体质量进行分类，选用现场20组数据作为训练样本、10组数据作为测试样本，利用交叉验证的方法估计泛化误差。结果表明，该方法分类结果与实际结果较吻合，平均准确率达96.7%，同时得出岩体质量所处类别的概率分布，进一步反映岩体质量的复杂度，为工程建设提供更详细的参考依据。
中图分类号:
| [ 1 ] Cai M，Kaiser P K.Visualization of rock mass classification systems［J］.Geotechnical and Geological Engineering，2006，24（4）：1089-1102.
[ 2 ] 蔡美峰. 岩石力学与工程［M］.北京：科学出版社，2002：10-25.Cai Meifeng.Rock Mechanics and Engineering［M］.Beijing：Science Press，2002：10-25. [ 3 ] 陈昌彦，王贵荣.各类岩体质量评价方法的相关性探讨［J］.岩石力学与工程学报，2002，21（12）：1894-1900.Chen Changyan，Wang Guirong.Discussion on the interrelation of various rock mass quality classification systems at home and abroad［J］.Chinese Journal of Rock Mechanics and Engineering，2002，21（12）：1894-1900. [ 4 ] 江飞飞，李向东，盛佳，等.软弱破碎岩体工程地质调查与质量评价［J］.黄金科学技术，2016，24（3）：94-99.Jiang Feifei，Li Xiangdong，Sheng Jia，et al.Engineering geological investigation and quality evaluation of soft fractured rock［J］.Gold Science and Technology，2016，24（3）：94-99. [ 5 ] 赵明阶，吴德伦.工程岩体的超声波分类及强度预测［J］.岩石力学与工程学报，2000，19（1）：89-92.Zhao Mingjie，Wu Delun.The ultrasonic identification of rock mass classification and rock mass strength prediction［J］.Chinese Journal of Rock Mechanics and Engineering，2000，19（1）：89-92. [ 6 ] 董金奎，申延，邱俊刚.焦家金矿寺庄矿区岩体节理裂隙调查与矿岩稳定性分析［J］.黄金科学技术，2012，20（2）：58-61.Dong Jinkui，Shen Yan，Qiu Jungang.Investigation of joint fissure and analysis of ore-rock stability in Sizhuang mining of Jiaojia gold deposit［J］.Gold Science and Technology，2012，20（2）：58-61. [ 7 ] Palmstrom A，Broch E.Use and misuse of rock mass classification systems with particular reference to the Q-system［J］.Tunneling and Underground Space Technology，2006，21（6）：575-593. [ 8 ] 贾明涛，王李管.基于区域化变量及RMR评价体系的金川Ⅲ矿区矿岩质量评价［J］.岩土力学，2010，31（6）：1907-1912.Jia Mingtao，Wang Liguan.Evaluation of rock mass quality based on regionalization variable optimal estimation theory and RMR system in Jinchuan mine No.3［J］.Rock and Soil Mechanics，2010，31（6）：1907-1912. [ 9 ] 邬爱清，汪斌.基于岩体质量指标BQ的岩质边坡工程岩体分级方法［J］.岩石力学与工程学报，2014，33（4）：699-706.Wu Aiqing，Wang Bin.Engineering rock mass classification method based on rock mass quality index BQ for rock slope［J］.Chinese Journal of Rock Mechanics and Engineering，2014，33（4）：699-706. [ 10 ] 连建发，慎乃齐，张杰坤.分形理论在岩体质量评价中的应用研究［J］.岩石力学与工程学报，2001，20（增）：1695-1698.Lian Jianfa，Shen Naiqi，Zhang Jiekun.Application research on fractal theory in rock mass quality evaluation［J］.Chinese Journal of Rock Mechanics and Engineering，2001，20（Supp.）：1695-1698. [ 11 ] 钱兆明，任高峰，褚夫蛟，等. 基于PCA法和Fisher判别分析法的岩体质量等级分类［J］.岩土力学，2016，37（增2）：427-432.Qian Zhaoming，Ren Gaofeng，Chu Fujiao，et al. Rock mass quality classification based on PCA and Fisher discrimination analysis［J］.Rock and Soil Mechanics，2016，37（Supp.2）：427-432. [ 12 ] 李强.BP神经网络在工程岩体质量分级中的应用研究［J］.西北地震学报，2002，24（3）：220-224.Li Qiang.Study on the application of BP nervous network in classification of rock mass quality［J］.Northwestern Seismological Journal，2002，24（3）：220-224. [ 13 ] 吴肖坤，刘敦文，江帆，等.基于特征值域的可拓学理论的工程岩体质量评价［J］.黄金科学技术，2015，23（2）：68-74.Wu Xiaokun，Liu Dunwen，Jiang Fan，et al. Extension theory of engineering rock mass quality evaluation based on the feature range［J］.Gold Science and Technology，2015，23（2）：68-74. [ 14 ] 胡建华，尚俊龙，雷涛.基于RS-TOPSIS法的地下工程岩体质量评价［J］.中南大学学报（自然科学版），2012，43（11）：4412-4419.Hu Jianhua，Shang Junlong，Lei Tao.Rock mass quality evaluation of underground engineering based on RS-TOPSIS method［J］.Journal of Central South University （Science and Technology），2012，43（11）：4412-4419. [ 15 ] Breiman L. Random forests［J］.Machine Learning，2001，45（1）：5-32. [ 16 ] Peters J，Baets B D，Verhoest N，et al.Random forests as a tool for ecohydrological distribution modelling［J］.Ecological Modelling，2007，207（2/3/4）：304−318. [ 17 ] Lee S L，Kouzani A Z，Hu E J.Random forest based lung nodule classification aided by clustering［J］.Computerized Medical Imaging & Graphics，2010，34（7）：535-542. [ 18 ] 王茵茵，齐雁冰，陈洋，等.基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究［J］.土壤学报，2016，53（2）：342-354.Wang Yinyin，Qi Yanbing，Chen Yang，et al.Prediction of soil organic matter based on multi-resolution remote sensing data and random forest algorithm［J］.Acta Pedologica Sinica，2016，53（2）：342-354. [ 19 ] Pearson K. Principal components analysis［J］.The London，Edinburgh and Dublin Philosophical Magazine and Journal，1901，6（2）：566. [ 20 ] 李夕兵，朱玮，刘伟军，等.基于主成分分析法与RBF神经网络的岩体可爆性研究［J］.黄金科学技术，2015，23（6）：58-63.Li Xibing，Zhu Wei，Liu Weijun，et al. Research on rock mass blastability based on principal component analysis and RBF neural network［J］.Gold Science and Technology，2015，23（6）：58-63. [ 21 ] 周松林，茆美琴，苏建徽.基于主成分分析与人工神经网络的风电功率预测［J］.电网技术，2011，35（9）：128-132.Zhou Songlin，Mao Meiqin，Su Jianhui.Prediction of wind power based on principal component analysis and artificial neural network［J］.Power System Technology，2011，35（9）：128-132. [ 22 ] 曹正凤. 随机森林算法优化研究［D］.北京：首都经济贸易大学，2014.Cao Zhengfeng. Study on Optimization of Random Forests Algorithm［D］.Beijing：Capital University of Economics and Business，2014. [ 23 ] 中华人民共和国国家标准编写组.工程岩体分级标准：GB50218-94［S］.北京：中国计划出版社，1995.The National Standards Compilation Group of People’s Republic of China.Standard for engineering classification of rock masses：GB50218-94［S］.Beijing：China Planning Press，1995. |
| [1] | 马凤山，郭捷，李克蓬，卢蓉，张洪训，李威. 三山岛海底金矿开采充填体与顶板岩层的变形监测研究[J]. 黄金科学技术, 2016, 24(4): 66-72. |
| [2] | 李克蓬，马凤山，郭捷，卢蓉，张洪训，李威. 三山岛海底金矿开采充填体与围岩变形规律的数值模拟[J]. 黄金科学技术, 2016, 24(4): 73-80. |
| [3] | 刘科伟，曾庆田，刘栋. 边坡复杂地质结构三维可视化及数值模型构建[J]. 黄金科学技术, 2016, 24(2): 83-89. |
| [4] | 郭广军，刘明君，徐咏彬，程蔚，叶延龄，郑小礼，高海峰，赵荣欣. 山东焦家金矿床工程岩体稳定性分类研究[J]. J4, 2012, 20(4): 71-75. |
|
||
©2018 黄金科学技术编辑部
电话：0931-8277791
E-mail: hjkx@lzb.ac.cn 邮编：730000
甘公网安备 62010202000672号