11、人工智能在岩石单轴抗压强度预测中的应用

人工智能在岩石单轴抗压强度预测中的应用

1. 引言

在岩石力学领域，单轴抗压强度（UCS）是评估岩石工程性质的关键指标。传统的UCS测量方法往往耗时、成本高且具有一定的局限性。近年来，人工智能（AI）技术在岩石UCS预测中展现出巨大潜力。软计算方法为解决岩石力学问题提供了新途径，但数据库的有限性是开发智能模型的主要难题。在众多软计算技术中，人工神经网络（ANN）是开发智能模型最常用的技术。

2. 基于ANN的UCS预测模型

2.1 改进的ANN模型

• PSO - ANN模型 ：有研究收集了马来西亚不同地区的66个花岗岩和石灰岩样本，开展了广泛的实验。将UCS结果设为网络输出，点荷载指数试验（IS(50)）、施密特锤回弹数（SRn）和纵波速度试验（Vp）等实验室结果作为模型输入。开发了用粒子群优化改进的人工神经网络模型，并与传统ANN比较。结果显示，PSO - ANN模型的决定系数R²为0.97，优于传统ANN的0.71，且敏感性分析表明Vp和SRn对预测的UCS值影响稍大。
• SVM模型 ：利用商业软件RapidMiner Studio，对160个岩石样本进行研究，基于干密度和速度参数开发支持向量机（SVM）算法用于UCS预测。结果表明，SVM能以75%的准确率预测缺失值。
• ICA - GFFN模型 ：从伊朗几乎所有采石场收集了197组数据，包括岩石类别、密度、孔隙率、纵波速度、点荷载指数和吸水率等。将广义前馈神经网络（GFFN）和帝国竞争算法（ICA）结合用于预测UCS，并与多层感