本技術(shù)涉及電數(shù)字數(shù)據(jù)處理，具體涉及一種巖爆烈度的等級預(yù)測模型訓(xùn)練方法及等級預(yù)測方法。

背景技術(shù)：

1、巖爆烈度?是指巖爆發(fā)生時巖石破壞的強度和規(guī)模，用于描述巖爆的嚴重程度。巖爆是指地下開采的深部或構(gòu)造應(yīng)力很高的區(qū)域，在臨空巖體中發(fā)生突發(fā)式破壞的現(xiàn)象。發(fā)生的原因是臨空巖體積聚的應(yīng)變能突然而猛烈地全部釋放，致使巖體發(fā)生像爆炸一樣的脆性斷裂。沖擊地壓造成大量巖石崩落，并產(chǎn)生巨大聲響和氣浪沖擊，不但可將礦井破壞，而且震動波可危及地面建筑物。因此，巖爆的預(yù)防與預(yù)測研究工作，對于預(yù)防巖爆發(fā)生、保護工作人員安全具有重要意義。

2、目前巖爆烈度預(yù)測的主要手段是由地質(zhì)專家根據(jù)實際工程數(shù)據(jù)預(yù)測巖爆烈度等級，這種方式受個人經(jīng)驗和主觀性影響較大，巖爆預(yù)測的準確性和一致性較差。

3、申請公布號cn115130375a公開了一種巖爆烈度預(yù)測方法，其主要采用的方案是根據(jù)確定的巖爆烈度預(yù)測的評價指標及巖爆烈度分級，建立巖爆烈度預(yù)測樣本數(shù)據(jù)集，然后根據(jù)預(yù)測樣本數(shù)據(jù)集，建立巖爆烈度預(yù)測模型，進而實現(xiàn)巖爆烈度的等級預(yù)測。這種方式至少存在以下問題：一是在建立樣本數(shù)據(jù)集時，需要人工標記樣本數(shù)據(jù)，即由地質(zhì)專家確定實際評價指標數(shù)據(jù)對應(yīng)的實際巖爆烈度等級，樣本數(shù)據(jù)標記的準確性和一致性較差，從而導(dǎo)致巖爆烈度預(yù)測也存在準確性和一致性較差的問題；二是其構(gòu)建預(yù)測模型時，忽略了各個評價指標對于巖爆等級影響的重復(fù)性，造成需要利用包含大量數(shù)據(jù)的樣本數(shù)據(jù)集進行訓(xùn)練，才能獲得相對準確的預(yù)測結(jié)果，預(yù)測模型訓(xùn)練的效率低，預(yù)測效果不佳。

技術(shù)實現(xiàn)思路

1、本技術(shù)旨在解決現(xiàn)有巖爆烈度預(yù)測方案存在準確性、一致性和效率較差的問題，提出一種巖爆烈度的等級預(yù)測模型訓(xùn)練方法及等級預(yù)測方法。

2、本技術(shù)解決上述技術(shù)問題所采用的技術(shù)方案是：

3、第一方面，本技術(shù)提供一種巖爆烈度的等級預(yù)測模型訓(xùn)練方法，所述方法包括：

4、確定影響巖爆烈度的特征參數(shù)，并將巖爆烈度劃分為多個巖爆烈度等級；

5、獲取所述特征參數(shù)對應(yīng)的多個樣本數(shù)據(jù)組，并對所述樣本數(shù)據(jù)組進行歸一化處理；

6、根據(jù)所述樣本數(shù)據(jù)組和巖爆烈度等級訓(xùn)練som網(wǎng)絡(luò)，并在所述som網(wǎng)絡(luò)收斂后，根據(jù)som網(wǎng)絡(luò)的輸出確定聚類結(jié)果，所述聚類結(jié)果用于表示各樣本數(shù)據(jù)組與實際巖爆烈度等級之間的映射關(guān)系；

7、根據(jù)聚類結(jié)果訓(xùn)練bp網(wǎng)絡(luò)，在所述bp網(wǎng)絡(luò)收斂后，獲得巖爆烈度的等級預(yù)測模型。

8、進一步地，對所述樣本數(shù)據(jù)組進行歸一化處理，具體包括：

9、采用極差標準化法將樣本數(shù)據(jù)組中的樣本數(shù)據(jù)轉(zhuǎn)化到[0，1]的區(qū)間內(nèi)，轉(zhuǎn)化公式如下：

10、；

11、其中，表示第個樣本數(shù)據(jù)組中的第個樣本數(shù)據(jù)，表示歸一化處理后的第個樣本數(shù)據(jù)組中的第個樣本數(shù)據(jù)，表示對應(yīng)樣本數(shù)據(jù)的最大值，表示對應(yīng)樣本數(shù)據(jù)的最小值。

12、進一步地，根據(jù)所述樣本數(shù)據(jù)組和巖爆烈度等級訓(xùn)練som網(wǎng)絡(luò)，具體包括：

13、s201、根據(jù)所述樣本數(shù)據(jù)組的維度設(shè)定som網(wǎng)絡(luò)輸入層中的神經(jīng)元數(shù)量，根據(jù)所述巖爆烈度等級的維度設(shè)定som網(wǎng)絡(luò)競爭層中的神經(jīng)元數(shù)量；

14、s202、隨機選擇一個樣本數(shù)據(jù)組輸入至som網(wǎng)絡(luò)輸入層，分別計算當前樣本數(shù)據(jù)組與som網(wǎng)絡(luò)競爭層中各神經(jīng)元之間的歐式距離，并將歐式距離最小值對應(yīng)的神經(jīng)元作為最優(yōu)神經(jīng)元；

15、s203、根據(jù)預(yù)設(shè)領(lǐng)域半徑確定包含最優(yōu)神經(jīng)元及其鄰近神經(jīng)元的最優(yōu)神經(jīng)元鄰域范圍，對所述最優(yōu)神經(jīng)元鄰域范圍內(nèi)神經(jīng)元的連接權(quán)重進行更新；

16、s204、判斷som網(wǎng)絡(luò)是否達到收斂條件，若是，則訓(xùn)練結(jié)束，否則，進入s202。

17、進一步地，所述歐式距離的計算公式如下：

18、；

19、其中，表示第個樣本數(shù)據(jù)組與som網(wǎng)絡(luò)競爭層中第個神經(jīng)元之間的歐式距離，表示第個樣本數(shù)據(jù)組，表示som網(wǎng)絡(luò)競爭層中第個神經(jīng)元，表示范數(shù)，表示時刻som網(wǎng)絡(luò)輸入層中第個神經(jīng)元輸入的第個樣本數(shù)據(jù)組中的第個樣本數(shù)據(jù)，表示時刻som網(wǎng)絡(luò)輸入層中第個神經(jīng)元與競爭層中第個神經(jīng)元之間的連接權(quán)重，表示樣本數(shù)據(jù)組中的樣本數(shù)據(jù)數(shù)量。

20、進一步地，所述連接權(quán)重的更新公式如下：

21、；

22、其中，表示時刻som網(wǎng)絡(luò)輸入層中第個神經(jīng)元與競爭層中第個神經(jīng)元之間的連接權(quán)重，表示時刻som網(wǎng)絡(luò)的學(xué)習(xí)率。

23、進一步地，根據(jù)所述聚類結(jié)果訓(xùn)練bp網(wǎng)絡(luò)，具體包括：

24、s301、將聚類結(jié)果對應(yīng)的樣本數(shù)據(jù)組輸入至bp網(wǎng)絡(luò)輸入層，bp網(wǎng)絡(luò)輸入層將其傳遞至bp網(wǎng)絡(luò)隱藏層，通過bp網(wǎng)絡(luò)隱藏層的激活函數(shù)處理后傳遞至輸出層，bp網(wǎng)絡(luò)輸出層根據(jù)bp網(wǎng)絡(luò)隱藏層的輸出結(jié)果計算當前樣本數(shù)據(jù)組對應(yīng)的預(yù)測巖爆烈度等級；

25、s302、計算所述預(yù)測巖爆烈度等級與對應(yīng)的實際巖爆烈度等級之間的誤差，判斷所述誤差是否處于預(yù)設(shè)范圍內(nèi)，若是則訓(xùn)練結(jié)束，否則根據(jù)所述誤差對bp網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重和閾值進行更新后，進入s301。

26、進一步地，所述bp網(wǎng)絡(luò)隱藏層的處理公式如下：

27、；

28、其中，表示bp網(wǎng)絡(luò)隱藏層第個神經(jīng)元的輸出結(jié)果，表示激活函數(shù)，表示bp網(wǎng)絡(luò)輸入層中第個樣本數(shù)據(jù)組中的第個樣本數(shù)據(jù)對應(yīng)的神經(jīng)元的第一網(wǎng)絡(luò)權(quán)重，表示bp網(wǎng)絡(luò)隱藏層第個神經(jīng)元的第一閾值，表示樣本數(shù)據(jù)組中的樣本數(shù)據(jù)數(shù)量，表示bp網(wǎng)絡(luò)隱藏層中的神經(jīng)元數(shù)量；

29、所述預(yù)測巖爆烈度等級的計算公式如下：

30、；

31、其中，表示第個樣本數(shù)據(jù)組對應(yīng)的預(yù)測巖爆烈度等級，表示bp網(wǎng)絡(luò)輸出層中與bp網(wǎng)絡(luò)隱藏層第個神經(jīng)元對應(yīng)的第個神經(jīng)元的第二網(wǎng)絡(luò)權(quán)重，表示bp網(wǎng)絡(luò)輸出層第個神經(jīng)元的第二閾值，表示bp網(wǎng)絡(luò)輸出層中的神經(jīng)元數(shù)量。

32、進一步地，所述第一網(wǎng)絡(luò)權(quán)重的更新公式如下：

33、；

34、；

35、其中，表示更新后的第一網(wǎng)絡(luò)權(quán)重，表示更新前的第一網(wǎng)絡(luò)權(quán)重，表示bp網(wǎng)絡(luò)的學(xué)習(xí)率，表示第個樣本數(shù)據(jù)組中的第個樣本數(shù)據(jù)，表示第個樣本數(shù)據(jù)組對應(yīng)的誤差，表示第個樣本數(shù)據(jù)組對應(yīng)的實際巖爆烈度等級；

36、所述第二網(wǎng)絡(luò)權(quán)重的更新公式如下：

37、；

38、其中，表示更新后的第二網(wǎng)絡(luò)權(quán)重，表示更新前的第二網(wǎng)絡(luò)權(quán)重；

39、所述第一閾值的更新公式如下：

40、；

41、其中，表示更新后的第一閾值，表示更新前的第一閾值；

42、所述第二閾值的更新公式如下：

43、；

44、其中，表示更新后的第二閾值，表示更新前的第二閾值。

45、進一步地，所述特征參數(shù)包括巖石單軸抗壓強度、巖石單軸抗拉強度、彈性能量指數(shù)和洞壁最大切應(yīng)力。

46、第二方面，本技術(shù)提供一種巖爆烈度的等級預(yù)測方法，所述方法包括：

47、獲取待預(yù)測的特征參數(shù)組，對所述特征參數(shù)組進行歸一化處理；

48、將歸一化處理后的特征參數(shù)組輸入至巖爆烈度的等級預(yù)測模型中，得到所述特征參數(shù)組對應(yīng)的巖爆烈度等級，所述巖爆烈度的等級預(yù)測模型是通過如第一方面所述的巖爆烈度的等級預(yù)測模型訓(xùn)練方法訓(xùn)練得到的。

49、本技術(shù)的有益效果是：本技術(shù)基于som網(wǎng)絡(luò)?與bp網(wǎng)絡(luò)來訓(xùn)練巖爆烈度的等級預(yù)測模型，并利用訓(xùn)練好的等級預(yù)測模型進行巖爆烈度的等級預(yù)測，利用無監(jiān)督的som網(wǎng)絡(luò)自動形成樣本數(shù)據(jù)的聚類結(jié)果，無需人工標記樣本數(shù)據(jù)，避免了個人經(jīng)驗和主觀性的影響，提高了樣本數(shù)據(jù)的準確性和一致性，進而提高了巖爆烈度等級預(yù)測的準確性和一致性。利用bp網(wǎng)絡(luò)的非線性映射以及較強的特征識別能力，預(yù)測模型能夠較好的反映出巖爆特征參數(shù)之間的相關(guān)性，在模型訓(xùn)練過程中不依賴于大量的樣本數(shù)據(jù)，提高了預(yù)測模型的準確性和訓(xùn)練效率，從而提高了巖爆烈度等級預(yù)測的準確性和效率。