荀 曦 鄭 欣 于雁武 許開立

(1.東北大學(xué)資源與土木工程學(xué)院,遼寧 沈陽 110819; 2.中北大學(xué)環(huán)境與安全工程學(xué)院,山西 太原 030051)

經(jīng)過選礦廠選出有價(jià)值的精礦后剩余的廢渣,稱作尾礦[1],這些尾礦堆存起來形成了尾礦庫。尾礦庫是礦山企業(yè)最大的危險(xiǎn)源[2],工業(yè)發(fā)展的同時(shí),尾礦庫數(shù)量日益增加,壩體也越來越高,嚴(yán)重威脅著企業(yè)和周圍居民的生命財(cái)產(chǎn)安全;尾礦庫同時(shí)也是最大的污染源,尾礦庫潰壩后大量的尾礦流入河流,造成土壤和水等環(huán)境污染,治理費(fèi)用高,生態(tài)恢復(fù)困難。尾礦庫一旦發(fā)生潰壩將會(huì)造成難以逆轉(zhuǎn)的生態(tài)破壞和無法估計(jì)的財(cái)產(chǎn)損失。2022年3月27日山西省呂梁市的山西道爾鋁業(yè)有限公司一尾礦庫發(fā)生潰壩事故,致7.5畝喬木林地掩埋,200余米季節(jié)性溝渠、鄉(xiāng)村道路堵塞,相鄰企業(yè)部分圍墻沖毀。故需要對(duì)尾礦庫進(jìn)行定期風(fēng)險(xiǎn)評(píng)價(jià),及時(shí)掌握尾礦庫風(fēng)險(xiǎn)狀態(tài),才能采取應(yīng)對(duì)措施。

隨著信息時(shí)代的到來,人們開始借助于機(jī)器學(xué)習(xí)算法進(jìn)行風(fēng)險(xiǎn)分級(jí)評(píng)價(jià),機(jī)器學(xué)習(xí)中的分類算法,能學(xué)習(xí)已有數(shù)據(jù)分類規(guī)則對(duì)新輸入的數(shù)據(jù)進(jìn)行分類,得到了廣泛使用。目前,很多專家學(xué)者利用機(jī)器學(xué)習(xí)算法進(jìn)行尾礦庫風(fēng)險(xiǎn)評(píng)價(jià),并取得了一定成果[3-7]?；跈C(jī)器學(xué)習(xí)的風(fēng)險(xiǎn)評(píng)價(jià)類文章中構(gòu)建的尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中的評(píng)價(jià)指標(biāo)大多為可監(jiān)測(cè)的指標(biāo),很少考慮非監(jiān)測(cè)類的管理指標(biāo),由此評(píng)價(jià)得到的尾礦庫風(fēng)險(xiǎn)等級(jí)極易與現(xiàn)實(shí)存在差異;為保障模型的精度,需要足量的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,尾礦庫數(shù)據(jù)受到技術(shù)、成本等的限制,獲取完整數(shù)據(jù)較為困難。

基于此,本研究從事故統(tǒng)計(jì)和管理方面對(duì)尾礦庫綜合分析,全面構(gòu)建指標(biāo)體系;針對(duì)尾礦庫指標(biāo)體系中的指標(biāo)數(shù)據(jù)難獲取、成本高的問題,本研究根據(jù)現(xiàn)有的尾礦庫等級(jí)比例,采用加權(quán)RAND()函數(shù)生成隨機(jī)數(shù)值作為尾礦庫風(fēng)險(xiǎn)評(píng)估的訓(xùn)練數(shù)據(jù)庫。對(duì)生成的樣本數(shù)據(jù)采用博弈論法組合層次分析法(AHP)和熵值法確定評(píng)價(jià)指標(biāo)權(quán)重,構(gòu)建加權(quán)物元模型評(píng)估尾礦庫風(fēng)險(xiǎn)等級(jí)。采用改進(jìn)鯨魚算法(BWOA)優(yōu)化SVM對(duì)尾礦庫風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè)。鯨魚算法(WOA)提高模型分類準(zhǔn)確性的同時(shí)改進(jìn)SVM過擬合的問題。此時(shí)尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)模型已經(jīng)構(gòu)建完成,將實(shí)際尾礦庫數(shù)據(jù)輸入構(gòu)建好的模型中,即可得到對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí),本文采用山西東溝尾礦庫實(shí)際數(shù)據(jù)驗(yàn)證模型。研究流程圖見圖1。

1 構(gòu)建風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)指標(biāo)體系

尾礦庫自身常見的危害類型有:洪水漫頂、壩體失穩(wěn)、滲透破壞、結(jié)構(gòu)破壞4種[8],同時(shí)尾礦庫的安全性還受到管理因素的影響。通過尾礦庫的事故統(tǒng)計(jì)和分析的結(jié)果,選取指標(biāo)構(gòu)建尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,見圖2。

圖2 尾礦庫風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)指標(biāo)體系Fig.2 Risk level evaluation index system of tailings pond

尾礦庫分為正常庫、病庫、險(xiǎn)庫、危庫4個(gè)等級(jí),因此將尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)也分成4個(gè)級(jí)別,并結(jié)合現(xiàn)有標(biāo)準(zhǔn)資料和尾礦庫基礎(chǔ)數(shù)據(jù)庫,制定了尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的分級(jí)標(biāo)準(zhǔn),見表1。

2 確定指標(biāo)權(quán)重

本研究以博弈論為基礎(chǔ),將層次分析法和熵值法相結(jié)合,從主、客觀兩個(gè)方面確定評(píng)價(jià)指標(biāo)權(quán)重,既考慮了評(píng)價(jià)指標(biāo)內(nèi)部關(guān)系,又考慮了數(shù)據(jù)量本身對(duì)權(quán)重的影響。

2.1 層次分析法

層次分析法是由美國(guó)運(yùn)籌學(xué)家T.L.Saaty教授于上世紀(jì)70年代初期提出的評(píng)價(jià)方法[9],其在賦權(quán)得到權(quán)重向量的時(shí)候,主觀因素占比很大。

通過兩兩比較指標(biāo)重要性,對(duì)重要程度按1～9賦值構(gòu)建判斷矩陣,計(jì)算判斷矩陣特征向量、特征值,選取最大特征值,將對(duì)應(yīng)特征向量歸一化作為權(quán)重,最后進(jìn)行一致性檢驗(yàn),一致性檢驗(yàn)通過說明判斷矩陣沒有邏輯錯(cuò)誤。

2.2 熵值法

在信息論中,熵是對(duì)不確定性或隨機(jī)性的一種度量,不確定性越大,熵值就越大,數(shù)據(jù)越離散,則包含的信息就越大,在確定權(quán)重的時(shí)候往往就越小。

熵值法確定權(quán)重步驟[10]如下:

(1)應(yīng)用最大最小標(biāo)準(zhǔn)化方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化操作。

(2)確定各指標(biāo)的信息熵:

式中,n為數(shù)據(jù)量;pij=若Pij=0則=0。

(3)確定權(quán)重:

式中,m為指標(biāo)數(shù)量。

2.3 博弈論組合賦權(quán)

博弈論的基本思想是在不同方法的權(quán)重之間尋求一致或妥協(xié)[11],即將層次分析法確定的主觀權(quán)重W1=(w11,w12,…w1j)和熵值法確定的客觀權(quán)重W2=(w21,w22,…w2j)與組合權(quán)重之間的偏差和最小。其實(shí)現(xiàn)步驟如下:

(1)W1和W2確定的組合權(quán)重W線性表達(dá)式為

W=λ1W1+λ2W2.

(2)尋求最優(yōu)的λ1、λ2,使得偏差最小,目標(biāo)函數(shù)為

min(‖W-W1‖+‖W-W2‖) =

min(‖λ1W1+λ2W2-W1‖+

‖λ1W1+λ2W2-W2‖).

(3)根據(jù)微積分原理,取得最小值的求導(dǎo)條件為

(4)對(duì)求得的系數(shù)λ1、λ2進(jìn)行歸一化處理。

(5)最優(yōu)組合權(quán)重為

3 尾礦庫風(fēng)險(xiǎn)等級(jí)綜合評(píng)價(jià)

本文采用加權(quán)物元模型確定尾礦庫對(duì)應(yīng)的綜合風(fēng)險(xiǎn)等級(jí)。

3.1 物元可拓模型、

物元可拓模型基于可拓學(xué)理論,將多指標(biāo)決策問題轉(zhuǎn)變?yōu)閱沃笜?biāo)決策,定量得出評(píng)價(jià)結(jié)果。前文中介紹的尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)記為評(píng)價(jià)因子cn(n=1,2,…,27),制定的尾礦庫風(fēng)險(xiǎn)等級(jí)標(biāo)準(zhǔn)記為N,評(píng)價(jià)因子對(duì)應(yīng)的數(shù)據(jù)記為xn(n=1,2,…,27)。物元可拓模型實(shí)現(xiàn)步驟[12]如下。

3.1.1 建立物元可拓模型指標(biāo)

物元模型最重要的3個(gè)指標(biāo)叫做經(jīng)典域、節(jié)域和待評(píng)物元。

(1)經(jīng)典域。經(jīng)典域R0表示給定尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)Nj(j=1,2,3,4)時(shí),xn對(duì)應(yīng)于cn的取值范圍:

式中,Nn表示尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)等級(jí),m=1,2,3,4;cn表示評(píng)價(jià)指標(biāo);vij=(aij,bij)表示評(píng)價(jià)指標(biāo)cn對(duì)應(yīng)評(píng)價(jià)等級(jí)的取值區(qū)間,i、j=1,2,…,27。

(2)節(jié)域。對(duì)于4種尾礦庫風(fēng)險(xiǎn)等級(jí)N,xn對(duì)應(yīng)于cn的所有取值區(qū)間叫節(jié)域,尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)的節(jié)域Rp表示為

(3)待評(píng)物元。將待評(píng)尾礦庫的R中N和xi分別用確定的等級(jí)和實(shí)際數(shù)據(jù)表示出來即得到尾礦庫風(fēng)險(xiǎn)的待評(píng)物元,記作:

3.1.2 計(jì)算關(guān)聯(lián)系數(shù)及關(guān)聯(lián)度

待評(píng)物元Rk關(guān)于尾礦庫風(fēng)險(xiǎn)等級(jí)Nm的綜合關(guān)聯(lián)度為

式中,是博弈論綜合AHP和熵值法得出的權(quán)重(i=1,2,…,27);Kj(Nj)表示各評(píng)價(jià)指標(biāo)關(guān)于等級(jí)j的關(guān)聯(lián)度;Kj(vjk)表示各評(píng)價(jià)指標(biāo)關(guān)于等級(jí)j的單指標(biāo)關(guān)聯(lián)度。

其中:

式中,b、a分別為評(píng)價(jià)指標(biāo)區(qū)間的上下限。

3.2 尾礦庫風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)模型構(gòu)建

依托matlab,編寫尾礦庫風(fēng)險(xiǎn)等級(jí)物元可拓評(píng)價(jià)模型代碼,借助編程來快速實(shí)現(xiàn)尾礦庫風(fēng)險(xiǎn)等級(jí)綜合評(píng)價(jià)。

4 尾礦庫風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)

4.1 隨機(jī)過采樣

運(yùn)用物元可拓模型得出的尾礦庫等級(jí)比例存在嚴(yán)重不均衡的問題,直接送入分類模型中進(jìn)行驗(yàn)證會(huì)出現(xiàn)總體分類準(zhǔn)確率高但某類等級(jí)準(zhǔn)確率嚴(yán)重偏低的問題,因此需要對(duì)分類結(jié)果進(jìn)行均衡化處理后再送入分類模型中,本文使用隨機(jī)過采樣的方法進(jìn)行處理,該算法將少數(shù)樣本隨機(jī)復(fù)制達(dá)到樣本平衡[13]。

4.2 WOA算法

WOA算法是澳洲格里菲斯大學(xué)的教授Mitjalili等人通過觀察澳洲座頭鯨特殊的捕食活動(dòng)于2016年提出的一種仿生啟發(fā)式優(yōu)化算法。相比于其他優(yōu)化算法如PSO粒子群算法、GA遺傳算法等,該算法具有計(jì)算步驟簡(jiǎn)單、原理簡(jiǎn)單、可調(diào)參數(shù)少的優(yōu)點(diǎn)[14]。該算法實(shí)現(xiàn)步驟[15]如下:

(1)包圍收縮。鯨魚識(shí)別獵物位置并將其包圍,數(shù)學(xué)模型為

式中,t為迭代次數(shù);X*(t)為目前為止鯨魚最有利位置;X(t)為當(dāng)前鯨魚位置;r1、r2取值范圍為[0,1];a值從2到0線性遞減。

(2)螺旋更新。座頭鯨根據(jù)獵物位置螺旋式更新位置,數(shù)學(xué)表達(dá)式為

式中,b為決定螺旋形狀的常數(shù);l∈[-1,1]。

(3)隨機(jī)搜索。當(dāng)|A|＞1時(shí),鯨魚根據(jù)同類位置隨機(jī)搜索,表達(dá)式為

式中,Xrand(t)為隨機(jī)選取的同類位置。

4.3 BWOA算法

WOA算法同PSO粒子群優(yōu)化算法、GA遺傳算法一樣具有局部收斂、收斂速度慢等缺點(diǎn)[16],因此本研究采用混沌映射初始化種群和自適應(yīng)調(diào)整搜索策略的方法對(duì)其進(jìn)行優(yōu)化,將優(yōu)化后的算法記為BWOA算法。

(1)混沌初始化策略。傳統(tǒng)算法使用隨機(jī)方法初始化種群,不同映射方法使得種群空間分布不同,將直接影響算法性能?；煦缬成渚哂斜闅v性、周期性和初值敏感性等特點(diǎn)[17],作為隨機(jī)數(shù)生成器對(duì)優(yōu)化算法進(jìn)行改進(jìn),在隨機(jī)數(shù)生成方面具有很好的結(jié)果。本研究采用Chebyshev映射初始化種群,其迭代公式如下:

xk+1=cos(acos-1(xk)),

式中,a為Chebyshev的分形參數(shù),a∈[0,5]。

(2)自適應(yīng)調(diào)整搜索策略。為防止算法出現(xiàn)局部最優(yōu)的問題,在搜索階段,根據(jù)概率閾值Q調(diào)整變量值[18],數(shù)學(xué)表達(dá)式為

式中,t表示迭代次數(shù);tmax為最大迭代次數(shù)。任取q∈[0,1],當(dāng)q＜Q時(shí),隨機(jī)變量Xj按上式更新,否則采用螺旋式更新。隨著不斷迭代更新,Q值減小,迭代次數(shù)自適應(yīng)調(diào)整搜索策略,實(shí)現(xiàn)全局優(yōu)化,表達(dá)式為

Xj=Xjmin+r(Xjmax-Xjmin),

式中,r∈[0,1];Xjmin、Xjmax分別為變量Xj的最小值和最大值。

4.4 SVM算法

SVM模型是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法,在處理小樣本、高維度的數(shù)據(jù)上有著獨(dú)特優(yōu)勢(shì)。實(shí)現(xiàn)步驟[19]為:

(1)將原始數(shù)據(jù)通過核函數(shù)映射到高維空間,本研究采用rbf核函數(shù),數(shù)學(xué)表達(dá)式為

(2)在高維空間構(gòu)造最優(yōu)分類超平面,通過對(duì)懲罰因子C和核參數(shù)λ尋優(yōu),使得分類間隔最大,分類效果最好,SVM目標(biāo)函數(shù)和約束條件為

式中,i=1,2,…,l;w為權(quán)重向量;ξi為松弛變量;xi為訓(xùn)練集樣本;yi為分類標(biāo)簽;w(xi)為核函數(shù)。

4.5 礦庫風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型構(gòu)建

尾礦庫風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型BWOA-SVM算法主要步驟如下:

(1)利用隨機(jī)過采樣算法對(duì)物元可拓模型得出的尾礦庫綜合等級(jí)進(jìn)行均衡化處理。

(2)初始化BWOA算法參數(shù),迭代得出最優(yōu)的懲罰因子C和核參數(shù)σ。

(3)將得出的最優(yōu)參數(shù)和均衡化處理后的歸一化數(shù)據(jù)送入SVM尾礦庫分類模型中進(jìn)行訓(xùn)練。

(4)給出算法模型準(zhǔn)確率、召回率、F1(F1分?jǐn)?shù))、AUC(ROC曲線下面積)等性能參數(shù)。

5 實(shí)例驗(yàn)證

5.1 模型訓(xùn)練數(shù)據(jù)來源

尾礦庫評(píng)價(jià)指標(biāo)一般大都選取浸潤(rùn)線、壩體位移、干灘長(zhǎng)度等監(jiān)測(cè)指標(biāo),極少考慮管理因素,尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系不全面。采用機(jī)器學(xué)習(xí)方法對(duì)尾礦庫進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)需要足量的數(shù)據(jù)去訓(xùn)練模型,而且監(jiān)測(cè)數(shù)據(jù)存在獲取成本較高和測(cè)量設(shè)備測(cè)量局限等問題。總體來說,尾礦庫數(shù)據(jù)獲取困難、不全面、數(shù)據(jù)后續(xù)處理復(fù)雜,因此借助隨機(jī)數(shù)據(jù)生成模擬法可以解決該類問題。隨機(jī)函數(shù)RAND()采用線性同余法生成偽隨機(jī)數(shù),數(shù)據(jù)獲取容易,數(shù)據(jù)量可人為選定,因此我們借助RAND()函數(shù)生成偽隨機(jī)數(shù)替代實(shí)測(cè)數(shù)據(jù)驗(yàn)證模型效果。

根據(jù)劃定的取值范圍,采用隨機(jī)模擬技術(shù)生成數(shù)據(jù)[20],本研究將數(shù)據(jù)量設(shè)定為300條。

據(jù)不完全統(tǒng)計(jì),2008年我國(guó)12 655座尾礦庫中,正常庫7 745座,病庫3 032座,險(xiǎn)庫1 265座,危庫613座[21],即Ⅰ級(jí)庫占比61.2%,Ⅱ級(jí)庫占比24%,Ⅲ級(jí)庫占比10%,Ⅳ級(jí)庫占比4.8%。利用隨機(jī)模擬法生成尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)數(shù)據(jù)時(shí)按照上述比例采用加權(quán)RAND()生成模擬數(shù)據(jù)用于模型訓(xùn)練。

設(shè)第j個(gè)評(píng)價(jià)指標(biāo)的第k個(gè)風(fēng)險(xiǎn)等級(jí)的取值下限和上限分別為ajk和bjk,保留m位小數(shù),則數(shù)據(jù)樣本的隨機(jī)模擬公式為

式中,j取值范圍為[1,27];k取值范圍為[1,4];i表示數(shù)據(jù)容量,i取值范圍為[1,300]。

選取的評(píng)價(jià)指標(biāo)中有些屬于定性指標(biāo),無法使用隨機(jī)模擬技術(shù)生成具體的數(shù)據(jù),因此要將選取的定性指標(biāo)轉(zhuǎn)化為定量指標(biāo)。Ⅰ級(jí)取值區(qū)間為[7.5,10],Ⅱ級(jí)為[5,7.5],Ⅲ級(jí)為[2.5,5],Ⅳ級(jí)為 [0,2.5]。則定性指標(biāo)的隨機(jī)模擬公式為

5.2 模型訓(xùn)練結(jié)果

根據(jù)構(gòu)建的指標(biāo)體系,首先采用RAND()函數(shù)生成300條偽隨機(jī)數(shù)據(jù),運(yùn)用博弈論將層次分析法和熵值法組合得到指標(biāo)權(quán)重,見表2。將生成的數(shù)據(jù)進(jìn)行加權(quán)后利用構(gòu)建的物元可拓模型得出風(fēng)險(xiǎn)等級(jí),將風(fēng)險(xiǎn)等級(jí)和生成的偽隨機(jī)數(shù)據(jù)組合輸入BWOA-SVM模型中,利用BWOA算法得出C最優(yōu)值為12.220 9,σ最優(yōu)值為0.157 6,將最優(yōu)取值輸入SVM中得出算法各評(píng)價(jià)指標(biāo)的取值,與C、σ取默認(rèn)值時(shí)的SVM算法分類性能進(jìn)行比較,結(jié)果見表3。通過比較,BWOA優(yōu)化的SVM算法在所有指標(biāo)上效果均優(yōu)于SVM算法,預(yù)測(cè)結(jié)果準(zhǔn)確率提升了44.9%。同時(shí)計(jì)算出2種模型分別在尾礦庫4個(gè)等級(jí)上分類的準(zhǔn)確率和ROC曲線,見圖3、圖4和圖5,可以得出BWOA-SVM算法在每個(gè)等級(jí)上分類的效果同樣也優(yōu)于SVM算法。

表2 尾礦庫指標(biāo)權(quán)重Table 2 Weights of tailings pond index

表3 算法評(píng)價(jià)指標(biāo)Table 3 Algorithm performance index

圖3 BWOA-SVM與SVM算法預(yù)測(cè)正確個(gè)數(shù)和準(zhǔn)確率比較圖Fig.3 Comparison of the correct number and accuracy of BWOA-SVM and SVM algorithms

圖4 SVM算法ROC曲線Fig.4 ROC curves of SVM algorithm

圖5 BWOA-SVM算法ROC曲線Fig.5 ROC curves of BWOA-SVM algorithm

5.3 實(shí)例驗(yàn)證

山西宏偉礦業(yè)有限公司澤水溝東溝尾礦庫位于靈丘縣城北15 km處,以東溝尾礦庫為例驗(yàn)證所提方法的可行性。該尾礦庫安全超高約0.943 m,24小時(shí)降雨量小于50 mm,排洪設(shè)施未出現(xiàn)裂縫和磨損,防洪標(biāo)準(zhǔn)500 a一遇,平均粒徑0.074 mm達(dá)到85%,下游坡比為1∶3,地形坡度16°,浸潤(rùn)線在0.85～6.8 m,滲透坡降介于0.1～0.138 m,干灘長(zhǎng)度約100 m,排滲設(shè)施完好,堆積密度1.4 t/m3,抗震能力7級(jí),壩體未發(fā)現(xiàn)裂縫、變形,全員配備較簡(jiǎn)單的個(gè)人防護(hù)裝備,有應(yīng)急預(yù)案,應(yīng)急準(zhǔn)備、應(yīng)急保障基本滿足尾礦庫重大險(xiǎn)情保障,安全投入資金有限,培訓(xùn)率100%,技術(shù)考核達(dá)標(biāo)率＞80%,建立了較為健全的安全管理機(jī)構(gòu),各級(jí)崗位責(zé)任較明確,制度和規(guī)程健全,安全記錄資料較齊全,有隱蔽性工程檔案、安全檢查檔案和隱患排查治理檔案,有監(jiān)測(cè)設(shè)施,但不全面,缺少水位監(jiān)測(cè)設(shè)施,每3年開展一次安全評(píng)價(jià)工作[22]。將這些數(shù)據(jù)代入訓(xùn)練好的BWOA-SVM模型中,輸出該尾礦庫等級(jí)為Ⅱ級(jí)(病庫),該尾礦庫屬于帶病運(yùn)行的尾礦庫,與實(shí)際情況相符。

6 結(jié) 論

(1)本文建立的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系既考慮了浸潤(rùn)線、壩體位移、干灘長(zhǎng)度等監(jiān)測(cè)指標(biāo),又考慮了非監(jiān)測(cè)類的管理類指標(biāo),同時(shí)給出了各指標(biāo)風(fēng)險(xiǎn)分級(jí)評(píng)價(jià)的標(biāo)準(zhǔn)。

(2)采用機(jī)器學(xué)習(xí)方法需要大量數(shù)據(jù)構(gòu)建模型,以隨機(jī)模擬法生成數(shù)值用于模型訓(xùn)練解決了尾礦庫評(píng)價(jià)數(shù)據(jù)難以獲取、樣本量少的問題。

(3)采用博弈論法將層次分析法和熵值法結(jié)合起來確定指標(biāo)權(quán)重,既考慮了評(píng)價(jià)指標(biāo)間關(guān)系對(duì)權(quán)重的影響也考慮了數(shù)據(jù)量本身的影響,使權(quán)重確定更加科學(xué)合理。

(4)以我國(guó)尾礦庫中正常庫、病庫、險(xiǎn)庫、危庫實(shí)際比例為依據(jù),采用加權(quán)RAND()函數(shù)生成數(shù)據(jù),比按照均分的方式生成的實(shí)驗(yàn)數(shù)據(jù)更加貼近實(shí)際和準(zhǔn)確。

(5)采用物元可拓模型確定風(fēng)險(xiǎn)等級(jí),利用BWOA算法優(yōu)化SVM對(duì)風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè),克服了傳統(tǒng)SVM預(yù)測(cè)精度低、容易過擬合的問題,預(yù)測(cè)準(zhǔn)確率、精確值、召回率、F1、AUC分別為0.98、0.98、0.98、0.98、0.99,總體的準(zhǔn)確率提升了44.9%,4個(gè)等級(jí)上的分類效果同時(shí)優(yōu)于SVM算法,模型可以應(yīng)用到尾礦庫風(fēng)險(xiǎn)評(píng)價(jià)中,為企業(yè)和安監(jiān)部門監(jiān)管提供科學(xué)依據(jù)。