地科學院溫韬教授以第一作者身份在《Frontiers of Earth Science》上發表題為“Machine learning methods for predicting the uniaxial compressive strength of the rocks: a comparative study”的研究論文。永利6774app手机版官网為論文第一署名單位。

岩石的單軸抗壓強度（UCS）是評價工程岩體力學性能和結構分類系統的關鍵指标。在實驗室環境中确定UCS是最常用的方法，但該方法既昂貴又耗時。因此，可以使用基于幾個簡單實驗室測試的間接測定方法來估算UCS，包括點荷載強度、岩石密度、縱波速度、巴西抗拉強度、施密特硬度和肖氏硬度。本研究中利用不同岩石類型的六組指标數據集，使用三種非線性組合模型（即反向傳播（BP）、粒子群優化（PSO）和最小二乘支持向量機（LSSVM））預測UCS，并将預測結果與測量結果進行了比較。結果表明：PSO-LSSVM模型因其更高的性能容量而比其他兩種模型更成功。六個數據集的預測UCS與測量UCS的比率分别為0.954、0.982、0.9911、0.9956、0.9995和0.993。當預測比率接近約1時，結果更合理。

圖1 三種模型的主要區别

圖2 論文封面