申请/专利权人：中南大学

申请日：2024-01-08

公开（公告）日：2024-03-26

公开（公告）号：CN117763973A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06F30/13;G06F18/243;G06N20/20;G06N5/01;G06N3/006;G06N3/126;G06F111/08;G06F113/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：一种基于WOA‑XGBoost、GP和Kriging技术的采场稳定性预测方法，搭建采场稳定性预测数据库；构建采场稳定性混合预测模型WOA‑XGBoost；基于WOA‑XGBoost模型，引入遗传编程GP技术和Kriging技术，进行采场稳定性预测；利用WOA‑XGBoost模型依据新采集的水力半径和稳定数直接输出采场稳定性等级并更新稳定图；基于数据库，利用遗传编程GP算法进行采场稳定概率的获取，进一步判定稳定性；借助Kriging插值技术，引入两种分区亚类，应用拟合技术获取不同分区的决策边界表达式，形成新的稳定图分区形式，最后，输出Kriging插值图。该方法预测精度高，能依据新增数据对稳定图进行有效的更新，可显著提升采场稳定性评估的可靠性。

主权项：1.一种基于WOA-XGBoost、GP和Kriging技术的采场稳定性预测方法，其特征在于，具体包括以下步骤；步骤一：搭建采场稳定性预测数据库；基于Trueman和Mawdesley绘制稳定图时所用的474个采场样本在计算机上建立采场稳定性预测数据库，并整合目标变量为稳定、破坏和崩落三类；其中，每个采场样本包含水力半径、稳定数和稳定性等级三个参数；步骤二：构建采场稳定性混合预测模型WOA-XGBoost；S21：运用WOA设定的优化规则，并结合XGBoost在计算机中构建混合预测模型WOA-XGBoost；S22：构建设置有不同种群规模的WOA-XGBoost模型并进行性能比较，筛选最优模型；S23：基于已有的最优模型，调整稳定图的分区形式；将横纵坐标分别为水力半径HR和稳定数N的坐标图进行网格化，形成1000×10000的网格空间，并在模型学习到样本点分布信息后，预测每个网格点的稳定性类别，从而导出完整的决策边界；步骤三：基于WOA-XGBoost模型，引入遗传编程GP技术和Kriging技术，进行采场稳定性预测；S31：依据现场条件，基于三维激光扫描手段准确获取水力半径值，结合采场历史资料及测得岩石质量指标、节理条件、岩石单轴抗压强度、作用于顶板和两帮的最大采动应力数据计算稳定数；利用WOA-XGBoost模型依据新采集的水力半径和稳定数直接输出采场稳定性等级并更新稳定图；S32：设置核心的GP参数，基于采场稳定性预测数据库，利用遗传编程GP算法导出反映采场稳定概率的稳定性判别公式a，并依据公式a计算出稳定性判别输出值Y；引入Sigmoid函数解释输出值的分类属性，根据公式b获得采场稳定概率，并将预测式输出限定至0～1的范围，以进行辅助稳定性分析；界定舍入稳定阈值为0.5，超过该稳定阈值即定义为稳定，反之为类别非稳定； 式中，X0表示水力半径值，X1表示稳定数；FY＝1+e-Y-1b；S33：借助Kriging插值技术，引入中等稳定区和中等破坏区两种分区亚类，应用拟合技术获取不同分区的决策边界表达式，形成新的稳定图分区形式，最后，输出Kriging插值图并利用显示设备进行显示以解决边界判定问题。

全文数据：

权利要求：

百度查询： 中南大学 基于WOA-XGBoost、GP和Kriging技术的采场稳定性预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD