金属矿山

作者：李兵磊,陈鈺瑶,张化进,刘德平,李天龙

单位：1. 福州大学紫金地质与矿业学院,福建 福州 350108;2. 紫金矿业集团股份有限公司紫金山金铜矿,福建 上杭 364200;3. 中冶集团铜锌有限公司,北京 100028

关键词：节理粗糙度,,统计参数,,集成树,,贝叶斯优化,,可解释性分析,

基金：福建省自然科学基金项目(编号:2022J01567)。

针对单一统计参数和传统机器学习评估节理粗糙度系数准确性不足的难题,提出基于多统计参数的岩石节理粗糙度系数集成树估测方法。基于112 条岩石节理粗糙度剖面线数据集,选取表征节理剖面几何形态的8 种统计参数,构建袋装法、随机森林、极端随机树、自适应提升、极度梯度提升树、轻量级梯度提升机6 种代表性集成树模型;结合贝叶斯算法优化其超参数,并与5 种传统单一机器学习模型对比,系统分析6 种集成树在节理粗糙度预测中的适用性与性能差异。最后,通过沙普利可加性特征解释方法,揭示了集成树模型中各统计参数对节理粗糙度预测结果的影响程度。研究结果表明,集成树模型预测效果整体优于传统单一机器学习模型,尤其是极端随机树模型,其均方误差为0. 081 0,平均绝对误差为0. 066 6,决定系数高达0. 995 6,预测精度高,泛化能力强。本研究为岩石节理粗糙度确定提供方法依据和借鉴,推荐采用极端随机树算法预测节理粗糙度系数。

来源：2026年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第2期