Scidown文献预览系统!
基于集成学习的岩石声发射参数定量预测方法( Ensemble Learning Approach for the Prediction of Quantitative Rock Damage Using Various Acoustic Emission Parameters )
HL Lee JS Kim CH Hong DK Cho
岩石裂缝损伤监测是放射性废物处置库、民用隧道、矿山等地下空间的一个重要环节。声发射(AE)技术是监测岩石损伤的方法之一,已被许多研究者所采用。为了提高岩石损伤评价和预测的精度,要求考虑多种声发射参数,但由于多个声发射参数与岩石损伤之间关系的复杂性,这一工作是一个难题。本研究的目的是提出一种基于机器学习(ML)的岩石损伤定量预测模型,考虑多个声发射参数之间的组合特征。为实现目标,准备了大田KAERI(韩国原子能研究院)的10块花岗岩样品,进行了单轴压缩试验。为了建立模型,采用随机森林(RF)和支持向量回归(SVR)进行了比较。结果表明,RF算法的泛化性能优于SVRRBF算法。R_2、RMSE和MAPE分别为0.989、0.032和0.014,可用于实验室规模。作为补充工作,利用Shapley可加性解释(SHAP)对模型的可解释性进行了参数分析。确定了在高、低损伤程度下均以累积绝对能量和起爆频率为主要参数。本研究提示了将其扩展到原位应用的可能性,作为后续研究。此外,还提供了RF算法是一种合适的技术以及在预测损伤程度时应考虑哪些参数的信息。在今后的工作中,我们将把研究扩展到工程尺度,考虑岩石的衰减特性,以供实际应用。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】