logo móvil
Contáctanos

Conjunto ensacado de clasificadores de procesos gaussianos para evaluar el potencial de daño por sacudida de roca con un conjunto de datos desequilibrado

Autores: Chen, Ying; Da, Qi; Liang, Weizhang; Xiao, Peng; Dai, Bing; Zhao, Guoyan

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Conjunto ensacado de clasificadores de procesos gaussianos para evaluar el potencial de daño por sacudida de roca con un conjunto de datos desequilibrado


Categoría

Matemáticas

Subcategoría

Matemáticas generales

Palabras clave

Evaluación
Potencial de daño por rockburst
Conjunto ensacado
Clasificadores de proceso gaussiano
Conjunto de datos desequilibrado
Gestión de riesgos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 24

Citaciones: Sin citaciones


Descripción
La evaluación del potencial de daño por estallido de roca juega un papel significativo en la gestión del riesgo de estallidos de roca y garantiza la seguridad del personal. Sin embargo, sigue siendo un problema desafiante debido a sus mecanismos complejos y numerosos factores influyentes. En este estudio, se propone un conjunto de clasificadores de procesos gaussianos (GPCs) ensacados para evaluar el potencial de daño por estallido de roca con un conjunto de datos desequilibrado. Primero, se recopila un conjunto de datos de estallidos de roca que incluye siete indicadores y cuatro niveles. Para abordar problemas de clasificación con un conjunto de datos desequilibrado, se construye un modelo novedoso que integra la técnica de submuestreo, el clasificador de procesos gaussianos (GPC) y el método de ensacado. Posteriormente, se evalúa el rendimiento integral del modelo propuesto utilizando los valores de precisión, precisión, recuperación y. Finalmente, la metodología se aplica para evaluar el potencial de daño por estallido de roca en la mina de níquel Perseverance. Los resultados muestran que el rendimiento del conjunto ensacado propuesto de GPCs es aceptable, y la integración de preprocesamiento de datos, técnica de submuestreo, GPC y método de ensacado puede mejorar el rendimiento del modelo. La metodología propuesta puede proporcionar una referencia efectiva para la gestión del riesgo de estallidos de roca.

Otros recursos que podrían interesarte

Temas Virtualpro