硬岩矿柱稳定性预测的改进稳健随机森林算法

孙嘉豪; 李地元; 解联库

doi:10.16285/j.rsm.2025.0646

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

硬岩矿柱稳定性预测的改进稳健随机森林算法

更新时间：2026-07-06

- 硬岩矿柱稳定性预测的改进稳健随机森林算法
- Vol. 47, Issue 5, Pages: 1788-1800(2026)
- 作者机构：
  
  1. 中南大学资源与安全工程学院
  2. 应急管理部信息研究院
- 作者简介：
- 基金信息：
- DOI：10.16285/j.rsm.2025.0646
  CLC： TD32;TP18
- Published：2026
- 稿件说明：
移动端阅览
孙嘉豪, 李地元, 解联库. 硬岩矿柱稳定性预测的改进稳健随机森林算法[J]. 2026, 47(5): 1788-1800.
DOI：

孙嘉豪, 李地元, 解联库. 硬岩矿柱稳定性预测的改进稳健随机森林算法[J]. 2026, 47(5): 1788-1800. DOI： 10.16285/j.rsm.2025.0646.

摘要

矿柱是保障地下矿山开采安全的重要支撑结构，准确预测矿柱稳定性对地下空间安全至关重要。为此，提出一种新颖的稳健随机森林算法预测矿柱稳定性。首先，建立了包含317组样本的硬岩矿柱稳定性数据集，采用交叉递归特征消除方法选取矿柱宽度、高度、宽高比、单轴抗压强度、平均承载应力以及平均承载应力与矿岩单轴抗压强度之比共6个特征作为输入参数，并借助链式方程多重插补和孤立随机森林算法分别填充和剔除了数据集中的缺失值和异常值；其次，针对传统随机森林算法中低质量决策树可能引起的决策冗余和性能损失问题，引入决策树纯化干预机制和精确率加权优化策略提升随机森林算法的决策效率和预测精度，进而构建基于稳健随机森林的硬岩矿柱稳定性预测模型；最后，从性能评估、模型比较、模型解释和工程验证4个方面检验了模型的准确性、先进性和可靠性。结果表明，所提算法无需参数优化即可取得较好的预测性能。模型预测准确率为88.9%，预测性能优于其他机器学习模型，可为地下矿山硬岩矿柱的稳定性评估提供有效指导。

Abstract

关键词

Keywords

references

Leo Breiman.Random Forests.[J].Machine Learning,2001.

Ebrahim Ghasemi,Hamid Kalhori,Raheb Bagherpour.Stability assessment of hard rock pillars using two intelligent classification techniques: A comparative study[J].Tunnelling and Underground Space Technology incorporating Trenchless Technology Research,2017.

Musa Adebayo Idris,David Saiang,Erling Nordlund.Stochastic assessment of pillar stability at Laisvall mine using Artificial Neural Network[J].Tunnelling and Underground Space Technology incorporating Trenchless Technology Research,2015.

R.K. Wattimena.Predicting the stability of hard rock pillars using multinomial logistic regression[J].International Journal of Rock Mechanics and Mining Sciences,2014.

C. González-Nicieza,M. I. Álvarez-Fernández,A. Menéndez-Díaz,A. E. Álvarez-Vigil.A Comparative Analysis of Pillar Design Methods and its Application to Marble Mines[J].Rock Mechanics and Rock Engineering,2006.

Isabel N. Alvarez-Garcia,Francisco L. Ramos-Lopez,Celestino Gonzalez-Nicieza,M.Inmaculada Alvarez-Fernandez,Arturo E. Alvarez-Vigil.The mine collapse at Lo Tacón (Murcia, Spain), possible cause of the Torre Pacheco earthquake (2nd May 1998, SE Spain)[J].Engineering Failure Analysis,2013.

马娟娟,潘泉,梁彦,胡劲文,赵春晖,郭亚宁.基于改进Grassberger熵随机森林分类器的目标检测[J].中国激光,2019(07).

李慧,李正,佘堃.一种基于综合不放回抽样的随机森林算法改进[J].计算机工程与科学,2015(07).

宋卫东,曹帅,付建新,江国建,吴锋.矿柱稳定性影响因素敏感性分析及其应用研究[J].岩土力学,2014(S1).

陈顺满,吴爱祥,王贻明,陈勋.深部回采矿柱稳定性影响因素分析及其应用[J].中南大学学报(自然科学版),2018(08).

杨晓晖,张圣昌.基于多粒度级联孤立森林算法的异常检测模型[J].通信学报,2019(08).

温廷新,苏焕博.基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型[J].中国安全生产科学技术,2022(07).

赵国彦,刘建.基于高斯过程机器学习算法的矿柱稳定性分析[J].安全与环境学报,2017(05).

宋英华,江晨,李墨潇,齐石.基于改进Smote-GBDT算法的岩爆预测模型[J].中国安全科学学报,2023(09).

汪伟,崔欣超,祁云,梁然,贾宝山,薛凯隆.基于SSA-RF的采空区煤自燃温度回归分析模型[J].中国安全科学学报,2023(09).

Chuanqi Li,Jian Zhou,Kun Du,Daniel Dias.Stability prediction of hard rock pillar using support vector machine optimized by three metaheuristic algorithms[J].International Journal of Mining Science and Technology,2023(08).

吴冬,阎卫东,王井利.基于特征重要性加权的随机森林点云分类研究[J].电子测量技术,2023(20).

龙潇,孙锐,郑桐.基于卷积神经网络的液化预测模型及可解释性分析[J].岩土力学,2024(09).

张文革,董陇军,王加闯,龚甦文,罗才严,郝晨良,曹恒.基于机器学习算法及Stacking融合集成模型的矿柱稳定性分析[J].金属矿山,2023(10).

张艳博,周浩,梁鹏,姚旭龙,陶志刚,来有邦.基于到时精确拾取与智能优化算法结合的岩石声发射定位方法研究[J].岩土力学,2025(05).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Anti-erosion mechanisms of microbially induced calcium carbonate precipitation-vegetation synergistic slope protection

Evaluation of liquefaction flow characteristics and soil state of saturated sand based on tension and compression apparent viscosity

Experimental study on the definition and evolution characteristics of unfrozen water retention states in frozen clay

Strength development model for slurry-like mud treated by physicochemical combined method considering preloading stress

Engineering characteristics of xanthan gum improved sandy slope soil and slope ecological protection mechanism

Related Author

No data

Related Institution

No data

AI问答

⁰