论文标题：Machine learning methods for predicting the uniaxial compressive strength of the rocks: a comparative study

期刊：Frontiers of Earth Science

作者：Tao WEN, Decheng LI, Yankun WANG , Mingyi HU , Ruixuan TANG

发表时间：21 Jul 2023

DOI：10.1007/s11707-024-1101-6

微信链接：点击此处阅读微信文章

原文标题

Machine learning methods for predicting the uniaxial compressive strength of the rocks: a comparative study

阅读原文

作者

Tao WEN, Decheng LI, Yankun WANG, Mingyi HU, Ruixuan TANG

文章概览

岩石的单轴抗压强度（UCS）是评价工程岩体力学性质和构建工程岩体分类系统的关键指标。在实验室环境中确定UCS最常用的方法既昂贵又耗时。因此，可以使用基于几个简单实验室测试的间接测定方法来估计UCS，包括点荷载强度、岩石密度、纵波速度、巴西抗拉强度、施密特硬度和肖氏硬度。在本研究中，使用三种非线性组合模型，即反向传播（BP）、粒子群优化（PSO）和最小二乘支持向量机（LSSVM），利用不同岩石类型的六组指标数据集来预测UCS。此外，基于四个性能预测指标，对最佳预测模型进行了检验和选择。结果表明，PSO–LSSVM模型比其他两个模型更成功，因为它具有更高的性能。六个数据集的预测UCS与测量UCS的比值分别为0.954、0.982、0.9911、0.9956、0.9995和0.993。当预测比率接近大约1的值时，结果更合理。

Fig.3 Key differences of the three models.

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn