基于粗糙集理论和改进PNN算法的岩爆预测

摘要

对岩爆进行准确且有效地预测具有十分重要的意义。根据岩爆的影响因素、特点及成因,选取岩石取样处的埋深H、岩石单轴抗压强度σ_(c)、应力系数σ_(θ)/σ_(c)、脆性系数σ_(c)/σ_(t)和冲击倾向性指数Wet作为预测指标,利用粗糙集属性约简算法获得关键属性,并得到特定地质条件下岩爆的主要影响因素,将主控因素数据归一化后构成概率神经网络的输入向量,减小了计算的复杂度。通过调整平滑因子的大小,建立基于粗糙集理论和概率神经网络(RS-PNN)的岩爆预测模型,并将RS-PNN的预测结果与其它模型的预测结果进行比较。结果表明,RSPNN模型的判别结果准确率较高,且PNN网络的收敛速度通常在几秒钟之内,故基于RSPNN的岩爆预测模型具有合理性和可行性。