基于非线性分数阶中值鉴别空间学习的岩爆预测方法
樊腾悦1
苏树智1
朱彦敏2
1.安徽理工大学计算机科学与工程学院,安徽淮南 2320012.安徽理工大学机电工程学院,安徽淮南 232001
摘要：针对岩爆样本数据噪声高、数量少从而导致岩爆等级预测准确率较低的问题,提出了基于非线性分数阶中值鉴别空间学习(nonlinear fractional-order median discriminative space learning,NFMDSL)的岩爆预测方法.该方法用类中值代替类均值,构建了中值鉴别空间学习方法,更好地保留了样本的有效信息,降低了噪声对预测效果的影响.为了有效捕捉岩爆数据间的非线性鉴别结构,进一步借助核技术将样本数据投影到核空间中.此外,引入分数阶对散度矩阵的特征值和奇异值进行重新估计,可以从少量样本中提取出具有良好区分能力的岩爆特征.结果表明,NFMDSL方法在岩爆等级预测中的平均准确率达到了 95.75％,相比其他方法具有更高的准确率和更强的鲁棒性.该方法能够有效应用于矿山和隧道工程领域的岩爆预测.
关键词：岩爆预测类中值核技术散度矩阵奇异值少量样本矿山和隧道工程
分类号：X936(安全工程)
资助基金：国家自然科学基金(52374155)安徽省自然科学基金项目(2308085MF218)安徽省高等学校自然科学研究项目(2022AH040113)安徽省高校中青年教师培养行动项目(YQZD2023035)淮南市指导性科技计划项目(2023142)淮南市指导性科技计划项目(2023147)安徽理工大学青年基金项目(QNZD202202)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 480-485,513 )
英文信息