DOI:10.13379/j.issn.1003-8825.202207031开放科学（资源服务）标识码（OSID）基于GWO-SVM岩爆分级预测模型吴菡，郭永刚，何军杰，苏立彬（西藏农牧学院水利土木工程学院，西藏林芝860000）摘要：引入灰狼算法（GWO）优化支持向量机(SVM)模型，构建GWO-SVM岩爆分级预测模型。选取围岩最大切向应力、岩石单轴抗压强度、岩石单轴抗拉强度等，组成3种不同的输入指标组合，构建岩爆分级预测指标体系。将153组岩爆案例作为数据集输入4种模型进行训练、测试，比较不同输入组合下模型的预测效果。结果表明：GWO-SVM比标准SVM模型预测准确率提升7.41%～18.52%，在输入指标组合2下，GWO-SVM模型预测准确率最高达92.59%，基于GWO-SVM的岩爆分级预测方法优于其他方法。关键词：深部岩土工程；岩石力学；岩爆预测；灰狼算法；预测指标中图分类号：TD32文献标志码：A文章编号：1003−8825(2023)01−0049−060引言岩爆是在高地应力状态下岩体受到开挖等扰动影响，出现的动力失稳现象。随着岩爆等级的增加，岩体以不同形式剥离、弹射、崩裂，并伴有不同程度爆炸声响。剧烈岩爆时，岩体甚至以散体形式抛掷，严重危害施工人员安全，影响工程进度。高山深谷地貌地区，地形起伏较大，地下应力场构造更为复杂，岩爆是亟待解决的关键问题。国内外学者对岩爆分级预测方法的研究大致分为3类。工程设计初期，基于岩爆产生机理的单指标岩爆判据，如强度判据[1]、能量指标等实现岩爆分级预测，判据不同，岩爆分级预测结果也略有不同。工程施工阶段，基于现场实时观测的岩爆分级预测法，如声发射法[2]、微震法[3]等，通过传感器获取岩体破裂所释放的弹性波、脉冲信号等前兆信息，实现实时岩爆预测。采用集成算法，充分考虑岩爆复杂成因的多指标岩爆分级预测，如BP神经网络[4-5]、随机森林[6]、模糊综合评价法[7]、灰色关联法[8]，云模型[9]等，较为全面地描述了岩爆特征，有一定参考价值。以上研究从不同角度描述岩爆现象，揭示岩爆发展规律，丰富了岩爆预测理论。但岩爆形成机制极为复杂，各要素间非线性关系叠加，仍需结合多种理论，充分挖掘各影响因素间与岩爆等级间的内在联系，才可能实现岩爆等级的准确预测。本文采用灰狼算法（GWO）优化支持向量机（SVM）模型，构建新的岩爆预测模型GWO-SVM模型，直接拟合输入指标与岩爆等级之间的关系。采用灰狼算法（GWO）优化SVM模型参数，避免人工设置惩罚参数c和核函数参数g对SVM模型影响较大的问题，既保留SVM模型强鲁棒性和泛化...
