基于AdaBoost组合学习方法的岩爆分类预测研究

葛启发; 冯夏庭

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于AdaBoost组合学习方法的岩爆分类预测研究

基础理论与实验研究 | 更新时间：2026-06-25

- 基于AdaBoost组合学习方法的岩爆分类预测研究
- Classification and prediction of rockburst using AdaBoost combination learning method
- 岩土力学 2008年29卷第4期
- 作者机构：
  
  1. 东北大学资源与土木工程学院,沈阳,110004
  2. 中国恩菲工程技术有限公司,北京,100038
  3. 中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,武汉,430071
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU324
- 网络首发：2013-07-10，
  
  纸质出版：2008
- 稿件说明：
移动端阅览
葛启发, 冯夏庭. 基于AdaBoost组合学习方法的岩爆分类预测研究[J]. 岩土力学, 2008,29(4).

GE Qi-fa, FENG Xia-ting. Classification and prediction of rockburst using AdaBoost combination learning method[J]. 2008, 29(4).
葛启发, 冯夏庭. 基于AdaBoost组合学习方法的岩爆分类预测研究[J]. 岩土力学, 2008,29(4). DOI：

GE Qi-fa, FENG Xia-ting. Classification and prediction of rockburst using AdaBoost combination learning method[J]. 2008, 29(4). DOI：

摘要

针对岩爆等级划分问题，考虑了岩爆灾害发生的多种主要影响因素，采用新的数据挖掘方法AdaBoost（即Adaptive Boosting）的组合学习方法，结合流行的人工神经网络BP算法，构建了集成神经网络AdaBoost—ANN（简称AB—ANN）的岩爆等级多分类预测模型。该模型克服了单一弱分类器的不稳定性，提高了分类器精度，实验结果表明，预测的结果与实际值比较吻合，证明了该方法的可行性。

Abstract

Rockburst is one of the most important geologic hazards. To solve the problem of classification and prediction of rockburst

the main factors of rockburst occurred and the effective classification methods should be considered.

A new method is proposed based on combination of artificial neural networks (ANN) classifiers as weak classifiers by using AdaBoost algorithm in data mining. The AdaBoost-ANN models are established. Overcoming the instability of single classifier

the models can give more accurate and stable classification for the novel conditions. The results show that this method is reliable

constrictive and promising.

关键词

Keywords

references

浏览量

2715

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

深埋隧道隧道掘进机振动特性及围岩动力扰动破坏机制

板裂体组合条件下岩爆倾向性分析

直墙拱形巷(隧)道岩爆试验及劈裂与剪切分析

深埋大理岩力学特性对岩爆发生条件的影响分析

基于拉压表观黏度的饱和砂土液化流动特性和物态判别研究