《Journal of Rock Mechanics and Geotechnical Engineering》：An IIVY-AdaBoost prediction model for rockburst intensity: Integrating multi-strategy optimization with SHAP-driven insight
编辑推荐：
本研究针对地下工程中岩爆强度预测因数据不平衡和模型过拟合导致的精度不足问题，开发了一种集成多策略改进IVY算法（IIVY）与AdaBoost的机器学习框架。通过SMOTE技术处理570例全球岩爆数据的类别不平衡，利用IIVY优化模型超参数，结合SHAP分析揭示最大切向应力（σθ）和应变能储存指数（Wet）为关键预测因子。模型准确率达90.17%，在锦屏二级水电站、三山岛金矿等工程现场验证中表现出优越的泛化能力，为深部岩爆灾害防控提供了新方法。
随着地下空间开发向深部拓展，岩爆已成为威胁工程安全的核心地质灾害。这种在高地应力条件下硬岩突然破裂、弹射的现象，具有突发性和随机性，严重制约着隧道掘进、矿山开采等深部工程的进度与安全。传统预测方法多基于非线性理论，存在指标权重确定主观性强、泛化能力弱等局限；而机器学习方法虽能挖掘数据规律，却常受限于岩爆数据异质性导致的类别不平衡问题——特定强度样本稀疏易引发模型偏差或过拟合。
为破解这一难题，中南大学资源与安全工程学院彭康团队在《Journal of Rock Mechanics and Geotechnical Engineering》发表研究，构建了一种融合多策略优化的IIVY-AdaBoost预测模型。研究团队首先系统收集了全球570例岩爆案例，选取最大切向应力（σθ）、单轴抗压强度（Rc）、单轴抗拉强度（Rt）、应力集中系数（SCF）、脆性指数（BI）和应变能储存指数（Wet）六大关键指标作为特征参数。针对数据中"无岩爆""轻微""中等""强烈"四类强度分布不均问题，采用合成少数类过采样技术（SMOTE）生成合成样本，有效提升了少数类的表征能力。
在模型构建环节，研究提出改进型IVY算法（IIVY），通过三段式优化策略提升搜索性能：采用PWLCM混沌映射与准反向学习（QOBL）策略增强种群初始化多样性；引入非线性收敛因子和动态约束局部扰动机制平衡全局探索与局部开发；结合差分种群进化策略避免早熟收敛。该算法被用于优化以决策树（DT）和支持向量机（SVM）为弱分类器的AdaBoost集成模型，形成IIVY-AdaBoost岩爆强度预测框架。
关键技术方法包括：基于SMOTE的数据平衡处理、多策略IIVY超参数优化、DT与SVM双基学习器的AdaBoost集成、SHAP可解释性分析。工程验证数据来源于锦屏二级水电站引水隧洞、三山岛金矿和新城金矿现场监测案例。
模型预测结果
通过7:3划分训练集与测试集，IIVY-AdaBoost在迭代过程中表现出稳定的收敛特性，训练精度与测试精度分别保持在0.92和0.90左右。混淆矩阵显示，该模型对四类岩爆强度的识别能力显著优于单一模型及PSO（粒子群优化）、GWO（灰狼优化）等优化算法。
预测性能分析
横向对比12种模型的表现，IIVY-AdaBoost以90.17%的准确率、0.89的精确率、0.90的召回率和0.90的F1-score全面领先。其精度较基础DT（66.67%）、SVM（67.52%）提升超20%，较IVY-AdaBoost（72.62%）、PSO-AdaBoost（73.93%）等优化模型提高约7%，证实多策略改进的有效性。
基于SHAP的特征重要性解析
SHAP蜜蜂群图与条形图揭示，Wet（平均绝对SHAP值0.030）和σθ（0.023）是对预测贡献最大的特征。高Wet值（红色点）始终对应正SHAP值（0.5-1.0），表明其与岩爆强度呈正相关；而Rt、Rc等特征则呈现负向影响。部分依赖图（PDP）进一步刻画了特征与四类强度的非线性关系：例如σθ＞100 MPa时对"强烈"岩爆预测概率显著上升，而SCF在0.5附近对"中等"强度预测最敏感。
工程验证
在锦屏二级水电站（最大埋深2525米）、三山岛海底金矿等工程现场的25例验证案例中，模型预测结果与实际情况高度吻合。尤其对高地应力条件下（如锦屏隧道70 MPa最大主应力）的岩爆事件表现出稳健的预测能力。
研究结论表明，IIVY-AdaBoost框架通过多策略优化有效解决了岩爆预测中的类别不平衡与超参数调优难题。SHAP分析从机器学习视角验证了Wet和σθ在岩爆机理中的核心地位，与岩石力学理论形成互证。该模型为深部工程岩爆风险动态评估提供了高精度工具，其集成优化思路可拓展至其他地质灾害预测领域。未来研究方向包括引入实时微震监测数据、开发概率不确定性量化模型，以进一步提升极端工况下的预测可靠性。
