地科学院温韬教授以第一作者身份在《Frontiers of Earth Science》上发表题为“Machine learning methods for predicting the uniaxial compressive strength of the rocks: a comparative study”的研究论文。长江大学地球科学学院为论文第一署名单位。

岩石的单轴抗压强度（UCS）是评价工程岩体力学性能和结构分类系统的关键指标。在实验室环境中确定UCS是最常用的方法，但该方法既昂贵又耗时。因此，可以使用基于几个简单实验室测试的间接测定方法来估算UCS，包括点荷载强度、岩石密度、纵波速度、巴西抗拉强度、施密特硬度和肖氏硬度。本研究中利用不同岩石类型的六组指标数据集，使用三种非线性组合模型（即反向传播（BP）、粒子群优化（PSO）和最小二乘支持向量机（LSSVM））预测UCS，并将预测结果与测量结果进行了比较。结果表明：PSO-LSSVM模型因其更高的性能容量而比其他两种模型更成功。六个数据集的预测UCS与测量UCS的比率分别为0.954、0.982、0.9911、0.9956、0.9995和0.993。当预测比率接近约1时，结果更合理。

图1 三种模型的主要区别

图2 论文封面