中国矿业大学学报

2026, v.55;No.272(05) 1247-1262

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

基于GWO-XGBoost模型的裂隙岩石强度预测方法
Strength prediction method for fractured rocks based on the GWO-XGBoost model

栾恒杰,刘子怡,武洋,蒋宇静,刘建康,唐子奇,张孙豪

摘要(Abstract):

裂隙岩石力学强度预测是煤矿地下水库坝体等工程岩体稳定性分析的核心问题,但传统方法受限于裂隙网络复杂性与参数耦合效应,难以实现高精度预测.本研究提出一种基于灰狼优化算法(GWO)与极端梯度提升模型(XGBoost)的混合预测框架,并结合物理试验与数值模拟方法构建多源异构数据集,突破了小样本高维数据的建模瓶颈.即采用50个含规则分布裂隙的类岩石试件和150个含基于正态分布概率随机裂纹的数值模拟试件的单轴抗压强度参数,构建多元化机器学习数据集,以覆盖更广泛的工况条件,实现裂隙参数空间的变异性表征.此外,引入GWO算法优化XGBoost超参数,建立裂隙密度、角度统计特征与单轴抗压强度的非线性映射模型.结果表明:GWO-XGBoost模型的测试集决定系数(R2)达0.967,均方根误差(RMSE)为0.672,较传统网格搜索优化方法预测精度提升18.7%,误差降低20.3%.本研究解决了传统方法中裂隙参数表征不完整、模型泛化能力不足的难题,为岩石强度预测提供了兼具高精度与高效率的智能方法,有望推动地下工程灾害预警从经验决策向智能化转型.

关键词(KeyWords): 裂隙岩石;强度预测;机器学习;XGBoost;灰狼优化算法

Abstract:

Keywords:

基金项目(Foundation): 煤炭开采水资源保护与利用全国重点实验室开放基金项目(NICE_RD_2023_142);; 山东省自然科学基金项目(ZR2024ME065)

作者(Author): 栾恒杰,刘子怡,武洋,蒋宇静,刘建康,唐子奇,张孙豪

DOI: 10.13247/j.cnki.jcumt.20250370

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享