[发明专利]机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法

权利要求书

1.机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，包括以下步骤：

S1、分析与岩石节理峰值抗剪强度相关的参数，建立用于机器学习的岩石节理峰值抗剪强度数据库；

S2、进行特征选择，对所选特征参数进一步处理和分析，选择最合适的特征并确定最终的输入参数；

S3、将选取的特征参数的值进行数据缩放，同时按照一定比例将处理好的数据集划分成训练集和测试集；

S4、建立岩石节理峰值抗剪强度的机器学习预测模型，训练集将用于机器学习模型的训练，训练好的模型将在测试集上进行预测，评估预测模型的性能优劣。

S5、分析所建立的岩石节理峰值抗剪强度预测模型的参数敏感性，在新数据集上进行预测和评估，选出性能较优者。

2.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S1中，通过统计分析传统的岩石节理峰值抗剪强度模型中所使用的参数，来选取与岩石节理峰值抗剪强度相关的参数，同时需要考虑可用的数据建立用于机器学习的数据库。

3.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S2中，需要对S1中初步选取的参数进行进一步分析，排除或者合并冗余的参数，精简用于机器学习的输入参数的数量。

4.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S3中，数据缩放的方法有两种选择：标准化和归一化。标准化使特征被重新缩放为具有均值为0，标准差为1的标准正态分布的特性，同时还可以保留原始数据集的形状属性；另一种最小最大归一化缩放可以将特征的值缩放到区间[0,1]。

5.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S4中，选取了三种机器学习算法来建立回归分析模型来预测节理的峰值抗剪强度，包括支持向量机(SVM)、遗传算法改进的BP神经网络(GA-BPNN)和随机森林(RF)。三种机器学习模型分别在训练集上训练，在测试集上预测，其模型性能主要使用以下三种指标评判：平均绝对误差(MAE)，均方根误差(RMSE)以及决定系数(R²)，计算公式如下：

式中，y_i是真实值，是模型预测值，为真实值的平均值，即n为数据总个数。

6.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S4中，为了避免训练模型过拟合，三种机器学习模型均采用10折交叉验证，根据10折交叉验证中的模型性能指标来评估模型预测准确性及预测误差的性能优劣。

7.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S5中，机器学习模型的参数分析是在新数据集上进行的，新数据集是基于原始数据集的特征生成的，以此进一步验证和比较各个机器学习模型的泛化性能。