岩爆是大型地下岩土和深部资源开采工程面临的难题之一,准确预测岩爆烈度等级具有重要工程意义和学术价值。岩爆烈度等级预测是岩爆防控的重要科学依据,准确实用的预测模型可有效地指导岩爆防控。然而,传统预测模型受多种复杂因素影响,在指标权重确定和实际工程应用等方面,其有效性还有待提高。本文基于建立的岩爆烈度等级预测数据库,采用机器学习技术,针对岩爆预测数据的随机性、模糊性、有限性、非线性、离散性等特点,提出了3种岩爆烈度等级预测模型,并验证了预测模型的有效性,同时将预测模型应用于内蒙古赤峰某金矿深部开采岩爆工程实践。论文完成的主要内容:(1)建立了岩爆烈度等级预测数据库。通过分析4个岩爆工程实例,综合考虑岩爆的影响因素、特点以及内外因条件,选取洞壁围岩最大切向应力、岩石单轴抗压强度、岩石单轴抗拉强度和岩石弹性能量指数作为岩爆预测评价指标;通过对比分析国内外现有的岩爆烈度等级方案,考虑岩爆发生的强弱程度和主要影响因素,将岩爆烈度分为4级:I级(无岩爆)、II级(轻微岩爆)、III级(中级岩爆)、IV级(强烈岩爆);根据所确定的岩爆评价指标和岩爆烈度等级,建立了一个包含301组岩爆工程实例的数据库,作为岩爆烈度等级预测的样本数据。(2)提出了基于随机森林优化层次分析法-云模型(RF-AHP-CM)的岩爆烈度等级预测模型。考虑岩爆预测的时效性,采用层次分析法(AHP)计算岩爆评价指标权重;并采用能够有效处理数据特征模糊的随机森林(RF)算法,建立了基于随机森林的岩爆评价指标重要性分析模型;根据指标重要性量化分析结果,构造层次分析法中的分析矩阵,优化层次分析法,构建了RF-AHP指标权重计算方法;结合云模型(CM),构建了RF-AHP-CM岩爆预测模型,其预测准确率可达85%。该预测模型可判断主要发生的岩爆烈度等级,并可同时判断可能发生的岩爆烈度等级,有效地解决了具有不确定性、随机性和模糊性的岩爆预测问题。(3)提出了基于改进萤火虫算法优化支持向量机(IGSO-SVM)的岩爆烈度等级预测模型。针对岩爆预测数据的有限性、非线性等特征,采用基于佳点集变步长策略的萤火虫算法(IGSO),优化支持向量机(SVM)的惩罚参数C和径向基函数参数g,构建了IGSO-SVM岩爆预测模型,其预测准确率可达90%。该预测模型避免了指标权重确定问题,通过直接学习岩爆工程实例数据,有效地解决了有限样本条件下非线性的岩爆预测问题。(4)提出了基于Dropout和改进Adam算法优化深度神经网络(DADNN)的岩爆烈度等级预测模型。为适应更大规模的岩爆数据处理需求,采用深度神经网络(DNN),针对岩爆预测数据的离散性、有限性等特征,采用Dropout对模型进行正则化以防止发生过拟合,同时,为了提高预测模型的时效性和效稳性,采用改进Adam算法优化参数,构建了DA-DNN岩爆预测模型,其预测准确率可达98.3%。该预测模型有效地解决了更大数据规模的岩爆预测问题。(5)不同岩爆烈度等级预测模型的对比分析与工程实例应用。对RF-AHPCM岩爆预测模型、IGSO-SVM岩爆预测模型和DA-DNN岩爆预测模型从预测准确率、时效性和适用范围3个方面进行了对比分析,3个岩爆预测模型各具优势,从不同角度有效地解决了岩爆预测问题。采用所构建的3个岩爆预测模型对内蒙古赤峰某金矿深部开采进行了岩爆预测,预测结果与现场实际情况具有较好的一致性,验证了所构建模型的准确性和实用性,最后根据岩爆预测结果和矿山生产实际,提出了8项相应的岩爆防治措施。