yl7703永利集团博士研究生吴亚娟在《矿业研究与开发》上发表题为“基于多算法对比的岩石单轴抗压强度预测”的研究论文，yl7703永利集团为论文第一单位，博士研究生吴亚娟为论文第一作者，温韬教授为通讯作者。

岩石单轴抗压强度是工程岩体分类、岩体质量分级及开挖稳定性评估的重要参数。然而，实验室直接测定UCS存在诸多限制，如需要特定几何形状的高质量岩芯、试样制备困难、试验成本高且耗时，导致部分项目无法开展相应试验。为此，学者们尝试通过纵波波速、施密特锤回弹值、点荷载强度等易于获取的间接指标来预测UCS。传统回归分析法结构简单，难以准确反映岩石强度的复杂关系。相比之下，人工智能及组合算法因不限制输入参数、能高效处理复杂数据，在UCS预测中展现出更优的应用前景。

本文基于两组包含纵波波速、施密特锤回弹值、点荷载强度、施密特硬度、邵氏硬度、抗拉强度等间接指标的岩石UCS数据集，采用PSO-BP、PSO-LSTM、CNN-LSTM、PSO-BILSTM四种组合算法进行预测，并通过决定系数、均方根误差、平均绝对误差、Willmott指数、平均绝对百分比误差、无差贡献率、对称平均绝对百分比误差等7种指标综合评价模型性能。结果表明，PSO-LSTM算法在两组数据集上均取得最高的预测精度，预测值与实际值拟合良好。指标评分法进一步确认PSO-LSTM在两数据集上分别获得27分和21分的总高分，表现最优。输入参数关联度分析显示，数据集1中点荷载强度影响最大（关联度0.7355），数据集2中抗拉强度影响最大（关联度0.8292）。研究还发现，采用与UCS关联度更高的输入参数能有效提升预测效果。

论文链接：https://kns.cnki.net/kcms2/article/abstract?v=g8n7TwuHW-BTDSlsYmU4NaO0SGu6vn65dxlOM_27pSUULxxb8__Jj4E1tP0EQk5YOx0iYzKJJEyMmtQcpCQ0oPbfvtUjVcB7vKL_lGVmMbkSMTpdeXWNhyRtOfZvzpHWl9nBV6rF0_FZuyg0NwV91ZQkx5kYSMqrk7n3xsN8VJGa3vaqzx-f6CnVbZc88aUEaClIglPdR-g&uniplatform=NZKPT&captchaId=94290218-472a-4527-9677-a604a9c85024

图1 论文首页