一种爆破块度预测方法技术

本发明专利技术涉及一种爆破块度预测方法，属于爆破块度预测技术领域。本发明专利技术首先构建CART决策树模型；然后进行训练样本集重抽样；利用MATLAB脚本语言编写代码计算不同决策树树棵树(Ntree)与模型均方误差(MSE)之间关系；然后对决策树采用GINI系数作为属性分裂的标准，并基于这个标准选择节点；基于节点的训练集，得到不同的决策树，并最终生成第一层随机森林；依据第一层随机森林的训练残差，作为第二层随机森林的训练样本集，生成第二层随机森林；第一层随机森林模型与第二层随机森林模型的输出依次叠加，即可得到双层随机森林预测模型的最终输出，并依此预测爆破块度。本发明专利技术相比于传统预测方法具有更高的可靠性以及稳定性。传统预测方法具有更高的可靠性以及稳定性。传统预测方法具有更高的可靠性以及稳定性。

【技术实现步骤摘要】
一种爆破块度预测方法


[0001]本专利技术涉及一种爆破块度预测方法，属于爆破块度预测


技术介绍

[0002]钻爆法是矿山开采和隧道修建经常采用的破岩方法之一，爆破作用在完成破岩的同时也带来了很多负面效应，如爆破震动、空气冲击波、飞石、噪音、粉尘等，其中爆破震动危害尤为显著。我国爆破规程采用速度来衡量震动强度，准确地预测爆破引起的质点振动速度能有效控制爆破震动的危害。
[0003]现有技术中爆破块度预测方法的准确性和可靠性都较低。

技术实现思路

[0004]本专利技术要解决的技术问题是：提供了一种爆破块度预测方法，研究解决了需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，提高了爆破块度预测的准确性和可靠性。
[0005]本专利技术采用的技术方案是：一种爆破块度预测方法，包括如下步骤：
[0006]1)形成训练数据集；
[0007]2)选择分裂节点；
[0008]3)生成第一层随机森林；
[0009]4)生成第二层随机森林；
[0010]5)第一层随机森林本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种爆破块度预测方法，其特征在于：包括如下步骤：1)形成训练数据集；2)选择分裂节点；3)生成第一层随机森林；4)生成第二层随机森林；5)第一层随机森林与第二层随机森林的输出依次叠加，得到双层随机森林预测模型的最终输出。2.根据权利要求1所述的一种爆破块度预测方法，其特征在于：所述步骤1)包括如下步骤：Step1.1：将爆破试验实际测得的爆破平均块度值作为模型的输出变量，相应爆破试验场次采集到抵抗线距B、钻孔排间距S、台阶高度H、钻孔直径d、堵塞长度L、岩体弹性模量E、原位岩石块度x、爆破单耗q指标作为模型的输入变量，输出变量及输入变量组成训练数据集Step1.2：使用Step1.1得来的数据集采用Bootstrap方法进行训练样本集重抽样，抽取m个数据样本，随机产生n个训练数据集的子集D，D＝{x
i1
,x
i2
,
…
,x
in
,y
i
}(i∈[1,m])；在Bootstrap数据集基础上采用Bagging方法进行随机有放回的选择训练数据，然后构造分类器，最后在通过组合学习后的模型来增加整体的采集效果；Step1.3：在各子集中使用决策树算法，根据“基尼系数最小准则”，选择最优方式进行节点分裂，分裂过程中不剪枝，设单棵决策树预测器f(x，θ
k
)的预测结果为f
i
(x)，则随机森林回归模型的最终预测结果表示为:式(1)定义了随机森林回归算法建模过程参数集RFP；式(2)用于进行基于随机森林回归的爆破块度预测；RFP＝{Ntree,Mtry}(1)其中x表示输入向量，θ
k
是表示生成每棵树生长路径的向量，F(x)表示预测的爆破块度，Ntree为模型中决策树树棵数，利用MATLAB脚本语言编写代码并进行不同决策树树棵树Ntree与模型均方误差MSE之间关系仿真计算，Mtry为从特征中随机抽取的特征数目，Mtry值控制了随机森林模型属性的扰动程度，根据以下经验公式计算Mtry值：Mtry&＝[log2M](3)Mtry&＝[M/3](4)式中：M为模型输入参数的数量；[]表示向下取整运算。3.根据权利要求2所述的一种爆破块度预测方法，其特征在于：所述步骤2)包括如下步骤：Step2.1：采用二叉树形式决策树，利用二分递归将数据空间不断划分为不同子集，分类时，假设有K个类，则概率分布的基尼指数为：
其中，p表示样...

【专利技术属性】
技术研发人员：李祥龙，赵品喆，姚永鑫，方程，武永博，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：