[发明专利]一种基于贝叶斯网络的岩爆概率预测方法

权利要求书

1.一种基于贝叶斯网络的岩爆概率预测方法，其特征在于，具体步骤如下：

(1)通过岩爆案例统计分析，提取6个特征参数，即最大切向应力σ_θ、岩石单轴抗压强度σ_c、岩石单轴抗拉强度σ_t、应力强度比σ_θ/σ_c、岩石脆性系数σ_c/σ_t和弹性变形能指数W_et，确定特征参数的统计特征，其中统计特征包括均值、标准差、变异系数和分布类型；

(2)构建基于Copula理论的最优六维参数联合概率分布函数；

(3)抽取N×6维独立标准均匀分布随机变量A₁、A₂、A₃、A₄、A₅、A₆，将A₁、A₂、A₃、A₄、A₅、A₆转化成服从给定多维联合概率分布函数的相关标准均匀分布变量U₁、U₂、U₃、U₄、U₅、U₆，通过等概率变换原则，将U₁、U₂、U₃、U₄、U₅、U₆转化为N×6维相关非正态随机变量X_σθ、X_σc、X_σt、X_σθ/σc、X_σc/σt、X_Wet；

(4)构建岩爆等级预测PSO-RF智能响应面计算模型：

Y＝g(X)

式中，Y为岩爆预测等级值，g(X)为岩爆预测等级值计算模型；

基于岩爆案例，采用RF智能响应面代替计算模型g(X)，建立6个特征参数与隧道岩爆预测等级之间的非线性映射关系，即

g(X)＝RF智能响应面

迭代运算中，N×6维相关非正态随机变量X_σθ、X_σc、X_σt、X_σθ/σc、X_σc/σt、X_Wet转换为X_σθ(i)、X_σc(i)、X_σt(i)、X_σθ/σc(i)、X_σc/σt(i)、X_Wet(i)，其中i＝1、2......N；

将N×6维相关非正态随机变量X_σθ(i)、X_σc(i)、X_σt(i)、X_σθ/σc(i)、X_σc/σt(i)、X_Wet(i)，其中i＝1、2......N代入g(X)＝RF智能响应面中，计算岩爆等级；

(5)构建岩爆概率预测BN模型：建立岩爆概率预测BN模型，利用Copula-RF模型进行参数学习，计算出不同岩爆等级发生概率。

2.根据权利要求1所述基于贝叶斯网络的岩爆概率预测方法，其特征在于：步骤(1)分布类型的确定方法包括以下步骤：

1)以正态分布Normal、对数正态分布Lognormal、伽玛分布Gamma与威布尔分布Weibull分别估计6个特征参数的分布类型；

2)以Kolmogorov-Smirnov检验分别对6个特征参数的概率分布进行检验，其中用于Kolmogorov-Smirnov检验的kstest函数，根据样本的经验分布函数F_n(x)和指定的概率分布函数G(x)构造检验统计量D_n：

D_n＝max(|F_n(x)-G(x)|)

当D_n小于检验临界值时，则样本服从该概率分布函数。