基于自动机器学习的岩爆烈度分级预测模型OA北大核心CSTPCD

为了解决岩爆预测过程中人为因素影响过大与预测时间过长的问题,提出了一种基于自动机器学习的岩爆烈度分级预测模型。收集国内外岩爆案例样本构建数据,基于5个自动机器学习模型框架训练岩爆烈度分级预测模型,采用准确率、精确度、召回率、F1指标评价模型性能。与13种常见机器学习模型预测结果进行对比分析,得出AutoML框架构建的岩爆预测模型预测准确率远远高于13种传统机器学习算法构建的岩爆预测模型。其中,基于Auto-Sklearn框架构建的岩爆预测模型准确率高达0.969,基于Auto-Gluon框架构建的岩爆预测模型准确率在5个框架中最低,准确率也高达0.927。应用构建的模型预测晒旗河磷矿的岩爆发生情况,预测结果与现场情况一致,表明基于自动机器学习的岩爆烈度分级预测模型能够有效预测实际工程中的岩爆发生情况。