基于正态化与平衡化集成Voting的岩爆烈度分级预测方法

摘要

本发明涉及一种基于正态化与平衡化集成Voting的岩爆烈度分级预测方法，S1：搜集、整理并汇总国内外岩爆烈度分级数据构建岩爆数据集；S2：对构建的岩爆数据集先后使用Yeo‑Johnson变换与K‑means SMOTE过采样将数据正态化与平衡化处理；S3：以处理好的岩爆数据集为输入构建多个机器学习岩爆烈度分级预测模型；S4：计算各个模型预测性能好坏与预测结果差异的综合权重；S5：将所有机器学习模型放入Voting进行训练预测，用穷取法依次剔除权重小的模型筛得最优Voting岩爆烈度分级预测模型，对基模型预测结果采用少数服从多数原则，投票确定最终的预测结果。本发明数据优化上减少离群点以及数据不平衡的影响，算法优化上集成多个优秀模型，对提高岩爆预测的精度有重要意义。