拉剪裂纹识别模型

实时识别岩体开裂

针对声发射RA-AF数据的机器学习模型，在三种方案中选出DT-AdaBoost为最优，并以TSR值给出岩体失稳前兆的新指标。

Juxian, Wang · 梁鹏 · 张艳博 · 姚旭龙 · Yu, Guangyuan · Han, Qiang

Mechanical Systems and Signal Processing 2025

参数信息

TSR值下降阈值

61.37 %

声发射参数数量

7

技术优势

实时识别拉剪裂纹

DT-AdaBoost模型能够实时处理声发射RA-AF数据，准确区分拉伸和剪切裂纹。

明确关键声发射参数

利用最大信息系数和随机森林从众多声发射参数中筛选出七个特征，提高了识别效率和可解释性。

提供失稳前兆指标

构建TSR值动态反映裂纹类型比例，与声发射b值趋势一致，当下降幅度达历史最大值的61.37%时可预警岩体失稳。

应用场景

• 岩体失稳监测：用TSR值下降幅度预警岩体失稳。
• 声发射预警：实时分类拉剪裂纹，提供前兆指标。
• 隧道施工安全：监测隧道围岩裂纹扩展，预防失稳。
• 边坡稳定性分析：分析边坡岩体裂纹类型，预警滑坡。