《Frontiers in Earth Science》:Generative artificial intelligence and deep ensemble learning for short-term rockburst prediction in underground engineering using microseismic data
编辑推荐:
岩爆是一种动态地质灾害,其特征是地下开挖中弹性应变能的突然释放,对人员安全构成严重威胁。基于机器学习(ML)利用微震监测进行岩爆预测面临一个关键挑战:类不平衡,即最具破坏性的强岩爆事件样本极少,导致少数类预测性能差。为此,研究人员提出一种集成生成式人工智能与深
岩爆是一种动态地质灾害,其特征是地下开挖中弹性应变能的突然释放,对人员安全构成严重威胁。基于机器学习(ML)利用微震监测进行岩爆预测面临一个关键挑战:类不平衡,即最具破坏性的强岩爆事件样本极少,导致少数类预测性能差。为此,研究人员提出一种集成生成式人工智能与深度集成学习的两步智能框架。首先,条件表格生成对抗网络(CTGAN)为少数类合成高保真样本,将不平衡数据集转为平衡集。其次,在增强数据集上构建深度随机森林(DRF)以学习六个前兆微震参数——累积事件数、累积能量、累积视体积及其变化率——与岩爆强度等级间的非线性映射。鲸鱼优化算法(WOA)实现超参数自动寻优。在锦屏二级水电站93例岩爆案例上验证,CTGAN-DRF框架准确率由65%升至90%,Kappa系数由0.53升至0.87,轻、中、强岩爆F1分别提升0.29、0.28、0.39。对比分析确认深度集成架构优于浅层替代方案。基于SHAP的可解释性分析揭示累积参数主导低强度预测,而事件数变化率在强岩爆中至关重要。该框架为类不平衡下岩爆预测提供可靠可解释方案,在地下工程安全中具应用前景。
研究背景方面,岩爆是地下采矿与隧道工程中频发的动态地质灾害,表现为围岩弹性应变能突发释放导致岩片弹射,严重威胁人员与结构安全。微震监测凭借非侵入、广覆盖与连续定量刻画裂隙演化的优势,成为识别岩爆前兆的重要手段;然而微震流数据庞大异构,人工解译低效且主观。既有机器学习(ML)模型依赖数据量与质,现场强岩爆突发、局地、难记录,致数据库呈显著类不平衡——多数类(无岩爆)占优,少数类(尤强岩爆)样本极少,模型训练被多数类主导,对工程最关切的强岩爆识别力骤降。为此,研究人员在《Frontiers in Earth Science》发表研究,提出面向类不平衡的“生成增强+深度集成”两步框架,以锦屏二级水电站93例四等级岩爆案例(无34、轻21、中25、强13)为对象,用六维前兆微震特征(累积事件数CN、累积能量CE、累积视体积CAV及各自时变率CNR、CER、CAVR)开展短临预测。
关键技术方法上,研究人员采用三件套:其一,条件表格生成对抗网络(CTGAN,generative artificial intelligence代表)做数据级增强,按类标签条件生成少类样本并借变分高斯混合归一化保住多模分布与特征相关性;其二,深度随机森林(DRF)以多层级联RF堆叠,将前层类别概率向量拼回原始输入逐层提炼深特征;其三,鲸鱼优化算法(WOA)以五维向量(级联层数、每层RF数、节点最小分裂样本数、最大叶节点数、每RF树数)自动搜优DRF超参。样本队列源自锦屏二级深埋隧洞段,训练集增强至四类各29例、测试集保持原分布不动。
研究结果部分,按原文小节浓缩如下。2数据增强辅助岩爆预测方法中,研究人员阐明CTGAN通过条件训练与模式专属归一化解决少类梯度饥饿与多模分布失真,DRF借层级概率拼接提升非线性映射,WOA以探索(随机个体包围)与利用(螺旋气泡网向全局最优)交替寻优。3数据库描述指出93例含四强度,六微震参数随强度升高均值与离散度递增,强岩爆仅13例为最稀缺类。4结果与讨论中,4.1数据增强显示CTGAN生成少类样本后训练集四类各29例,核密度曲线与真实集重合度高,相关系数矩阵差异度Dc轻/中类最大0.1161/0.1557、强类仅三对微超0.2(最大0.2775),证明合成样本继承物理相关结构而非矛盾组合;4.2性能评估以准确率、Kappa、F1为指标,CTGAN-DRF较基线准确率65%→90%、Kappa 0.53→0.87,轻/中/强F1各升0.29/0.28/0.39,SHAP分析示累积量主导低强预测、CNR为强岩爆关键前兆。
讨论与结论翻译总结:研究人员讨论认为,类不平衡是现场ML岩爆预警根本瓶颈,CTGAN在数据级修复分布优于重采样与SMOTE类浅增强,DRF层级表征优于单RF与浅层集成(SVM、GBDT、PNN),WOA免手调超参且兼顾全局与局部;SHAP解构使模型从黑箱转可解释,累积参数(CN、CE、CAV)承载低强信息、速率量(CNR)突变预示强岩爆,符合微破裂加速定律。结论部分原文要义为——所提CTGAN-DRF两步框架在锦屏II案例上将准确率推至90%、Kappa 0.87,强岩爆F1增幅最大(0.39),证实生成式增强+深度集成+元启发寻优可克服少类退化;该框架为安全关键场景提供可部署、可解释的短临岩爆预警方案,对地下工程防灾具明确意义。