Este artículo realiza la adquisición espectral de arenisca blanca, mármol, lutita y roca salina, utilizando tres métodos para la clasificación de rocas: máquina de vectores de soporte, red neuronal BP y árbol de decisión de regresión de clasificación. Se comparan cuantitativamente los modelos mediante la precisión, la tasa de recuperación y el coeficiente Kappa para obtener el mejor modelo espectral de clasificación de rocas. Los resultados muestran que el modelo de árbol de decisión tiene la precisión de clasificación más baja con solo un 93.1 %; mientras que el modelo de clasificación de rocas que utiliza filtrado disperso combinado con la red neuronal BP ofrece el mejor rendimiento, con una precisión de clasificación de hasta un 97.1 % y un coeficiente Kappa de 0.958. Este estudio puede identificar rápidamente los tipos de roca mediante mediciones espectrales, proporcionando así una base teórica importante y un valor práctico para la prevención de desastres en diferentes rocas en la ingeniería práctica.

clasificación de rocas;espectroscopía de infrarrojo medio;aprendizaje automático;máquina de vectores de soporte;red neuronal BP