基于平行融合图Transformer的岩爆烈度等级预测

作     者：高天祥 苏树智 朱彦敏 樊腾悦 GAO Tian-xiang;SU Shu-zhi;ZHU Yan-min;FAN Teng-yue

作者机构：安徽理工大学计算机科学与工程学院淮南232001 安徽理工大学机械工程学院淮南232001 

基　　金：安徽理工大学青年基金(重点项目)(QNZD202202) 安徽理工大学医学专项培育项目(重大项目)(YZ2023H2A007) 淮南市指导性科技计划(2023142和2023147) 国家自然科学基金面上项目(52374155) 安徽省自然科学基金(面上项目)(2308085MF218) 安徽省高等学校自然科学研究项目(重大项目)(2022AH040113) 安徽省高校中青年教师培养行动项目(YQZD2023035) 合肥综合性国家科学中心大健康研究院职业医学与健康联合研究中心项目(OMH-2023-05,OMH-2023-24) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2025年第25卷第5期

页      码：2111-2118页

摘      要：岩爆是地下深部工程中一种破坏性极强的地质灾害,为准确预测岩爆烈度等级,提出了一种基于平行融合图Transformer(parallel fusion graph Transformer,PFGT)的岩爆烈度等级预测方法。首先,该方法利用岩爆数据在欧氏空间中的相似性结构关系构建图结构数据,并通过多重岩爆判据来约束岩爆数据在欧式空间中结构的畸变构建另一种图结构数据,通过平行训练获得岩爆数据的单尺度特征。其次,该方法设计了一种特征融合图Transformer策略,通过融合基于欧式空间和基于岩爆判据的两种图结构数据特征,获得岩爆数据的多尺度特征。该方法能够同时利用单尺度特征和多尺度特征,增强了数据表示能力,在训练过程中使用Transformer进行特征融合使得模型能够更全面地捕捉岩爆数据的优化特征,提升模型性能。通过与传统神经网络和其他机器学习算法相比,PFGT模型的预测准确率为94.87%,优于其他算法,证明了该算法的有效性,为岩爆等级预测提供了一种新的方法。

主 题 词：图神经网络 岩爆 Transformer 等级预测 

学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.12404/j.issn.1671-1815.2402941

馆 藏 号：203157530...