В статье проведён спектральный сбор данных для кварцевого песчаника, мрамора, глинистой породы и каменной соли с использованием методов опорных векторов, BP-нейронных сетей и классификационного дерева принятия решений. По точности, полноте и коэффициенту Каппа проведено количественное сравнение моделей для поиска оптимального спектрального классификатора пород. Результаты показали, что точность классификации модели дерева решений составляет минимально 93.1%; в то время как модель классификации пород на основе разреженной фильтрации в сочетании с BP-нейросетью показала лучший результат с точностью 97.1% и коэффициентом Каппа 0.958. Исследование демонстрирует возможность быстрого определения типов пород через спектральные измерения, предоставляя важную теоретическую основу и практическую ценность для предотвращения рисков в реальных инженерных задачах, связанных с различными породами.

классификация пород;среднеинфракрасная спектроскопия;машинное обучение;опорные векторы;BP-нейронные сети