Key points are not available for this paper at this time.
암석 폭발은 지하 개방에서 발생하는 동적 현상으로, 지지대 및 인프라에 손상을 초래하며, 지하 석탄 광산에서 주요 자연 재해 중 하나입니다. 암석 폭발의 예측은 광산 개방의 안전성을 높이기 위해 중요합니다. 암석 폭발의 위험은 지진 활동과 관련이 있지만, 암석 폭발은 비파괴 진동에 비해 드뭅니다. 다층 퍼셉트론, 적응형 부스팅, 그래디언트 부스팅, K-최근접 이웃, 가우시안 나이브 베이즈의 다섯 가지 기계 학습 분류기와 이러한 분류기로 구성된 앙상블 하드 보팅 분류기를 사용하여 주요 비파괴 진동 중에서 암석 폭발을 인식했습니다. 기계 학습 모델은 폴란드 상실레시아 석탄 분지의 활성 경질 석탄 광산 중 한 곳에서 얻은 무작위 선택 데이터의 10개 세트에 대해 훈련 및 테스트되었습니다. 데이터베이스의 627개 사례 각각에 대해 지질학적, 지구역학적, 채굴 및 기술 조건을 나타내는 15개 특성과 진동 에너지 및 상관된 최대 입자 속도가 결정되었습니다. 석탄 층과 주변 암석의 지질학적 및 지구역학적 매개변수는 단일 GEO 지수로 집계되었습니다. 데이터베이스에서 암석 폭발의 비율은 약 8.5%에 불과했으므로, 불균형 데이터 세트를 다루는 ADASYN 균형 조정 방법이 사용되었습니다. 앙상블 하드 보팅 분류기는 평균 0.74의 재현율로 암석 폭발을 가장 효과적으로 분류했습니다.
Wojtecki 외 (Sat,)은 이 질문을 연구했습니다.