一种基于模型无关元学习改进RNN-DNN混合神经网络的岩爆烈度预报方法

本发明提供了一种基于模型无关元学习改进RNN‑DNN混合神经网络的岩爆烈度预报方法，属于岩土岩爆技术领域，旨在解决传统预测方法中预测准确率低，跨工程场景适应性不足的问题。该方法包括以下步骤：广泛采集多源岩爆影响因素数据并确定岩爆等级划分标准，构建岩爆数据库；通过贝叶斯插补进行缺失值补全，获得一级数据；使用ECOD异常检测算法进行异常值剔除，获得二级数据；划分二级数据为训练集、验证集；采用模型无关元学习框架优化RNN‑DNN混合神经网络的初始参数；将初始参数加载至混合神经网络，联合训练集与验证集进行模型训练得到岩爆烈度预测模型。本发明能够提升岩爆烈度预测的准确性与跨场景泛用性，为深部地下工程灾害防控提供技术支撑。