自组织特征映射神经网络在岩爆分级预测中的应用

岩爆是地下工程一种常见的动力灾害.为了提高岩爆预测精度和探究岩爆参数之间的潜在关系,本文借签一种自组织特征映射神经网络(SOFM),构建了岩爆烈度分级预测的无监督学习模型.结合国内外岩爆判据,选取围岩最大切应力、单轴抗压强度、单轴抗拉强度、应力系数、脆性系数及弹性能量指数6个参数作为评价指标.将46个典型的岩爆案例输入到竞争层为2×2拓扑结构的SOFM模型中进行训练.结果表明:SOFM模型具有可靠的聚类能力,其正判率为90％;与现有的有监督学习模型进行了比较,验证了本文建立的SOFM模型的优越性;最后,对SOFM聚类结果分析发现,脆性系数对轻微、中等及强岩爆的影响权重均较大,选取的6个评价指标对强岩爆和中等岩爆区分并不明显.