声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1215/TD
国际刊号：1005-2763
发布日期:
作者：夏永西,刘艳章,黄诗冰,曹文耀,张贺,苏旭
关键词：单轴抗压强度;牛顿-拉夫逊优化算法;卷积神经网络;长短期记忆网络;预测模型
为提升岩石单轴抗压强度的预测效率与精度,提出一种基于卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的预测模型,并采用牛顿拉夫逊优化算法(NRBO)对模型关键参数进行优化.通过广泛收集包括点载荷强度、施密特锤回弹数、孔隙率及纵波波速的岩石物理参数试验数据,经预处理后保留381组有效样本,并进行可视化分析与异常值处理.采用CNN进行特征提取,LSTM 捕捉时序依赖,NRBO 优化学习率、正则化系数及隐藏层节点数等超参数. 试验结果表明,NRBO-CNN-LSTM 模型在测试集上表现最优,其决定系数达到0.98,均方根误差为6.27,平均绝对误差为4.82,显著优于其他对比模型,显示出更强的拟合能力与泛化性能.该优化模型能够有效融合岩石多源物理特征,实现高精度、高稳定性的单轴抗压强度预测,可为工程实际提供可靠的技术参考.
来源：2025年第11期
《矿业研究与开发》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。