一种矿山膏体料浆屈服应力预测方法及系统技术方案

本发明专利技术提供了一种矿山膏体料浆屈服应力预测方法及系统，涉及矿山充填技术领域，方法包括：将目标膏体料浆的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵输入序列调整模型中进行训练，获取第一根节点特征信息后，构建决策树集，将决策树集进行组合，建立随机森林模型，将目标膏体料浆数据输入随机森林模型进行数据验证，获得验证结果后对随机森林模型进行优化，将目标膏体料浆数据输入优化随机森林模型对目标膏体料浆的屈服应力进行预测，解决了现有技术中对膏体料浆数据测定不够准确，使得对膏体料浆屈服应力预测准确率低的技术问题，实现了对膏体料浆数据精准测定，进而提高对膏体料浆屈服应力的预测准确率。提高对膏体料浆屈服应力的预测准确率。提高对膏体料浆屈服应力的预测准确率。

【技术实现步骤摘要】
一种矿山膏体料浆屈服应力预测方法及系统


[0001]本专利技术涉及矿山充填
，具体涉及一种矿山膏体料浆屈服应力预测方法及系统。

技术介绍

[0002]膏体充填是指把物料制作成“无临界流速、少/无需脱水”的膏状浆体，通过高密度固体充填泵与自重作用，经过管道泵送至井下工作面，进行适时充填采空区的方法。屈服应力作为膏体流变特性的重要性参数，是判定膏体管输质量的方式，而目前的测量方法大多采用桨式流变仪测定，但是该方法存在不同流变仪测定原理相同但方法不同，导致测定结果不同的问题。
[0003]而现有技术中存在对膏体料浆数据测定不够准确，使得对膏体料浆屈服应力预测准确率低的技术问题。

技术实现思路

[0004]本申请提供了一种矿山膏体料浆屈服应力预测方法及系统，用于针对解决现有技术中存在的对膏体料浆数据测定不够准确，使得对膏体料浆屈服应力预测准确率低的技术问题。
[0005]鉴于上述问题，本申请提供了一种矿山膏体料浆屈服应力预测方法及系统。
[0006]第一方面，本申请提供了一种矿山膏体料浆屈服应力预测方法，所述方法包括：获取目标膏体料浆的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵；将所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵输入序列调整模型中进行训练，获取第一根节点特征信息；基于所述第一根节点特征信息，构建决策树集；将所述决策树集进行组合，建立随机森林模型；将目标膏体料浆数据输入所述随机森林模型进行数据验证，获得验证结果；基于所述验证结果对所述随机森林模型进行优化，将所述目标膏体料浆数据输入优化随机森林模型对所述目标膏体料浆的屈服应力进行预测。
[0007]第二方面，本申请提供了一种矿山膏体料浆屈服应力预测系统，所述系统包括：信息熵获取模块，所述信息熵获取模块用于获取目标膏体料浆的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵；训练模块，所述训练模块用于将所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵输入序列调整模型中进行训练，获取第一根节点特征信息；决策树集构建模块，所述决策树集构建模块用于基于所述第一根节点特征信息，构建决策树集；模型建立模块，所述模型建立模块用于将所述决策树集进行组合，建立随机森林模型；数据验证模块，所述数据验证模块用于将目标膏体料浆数据输入所述随机森林模型进行数据验证，获得验证结果；预测模块，所述预测模块用于基于所述验证结果对所述随机森林模型进行优化，将所述目标膏体料浆数据输入优化随机森林模型对所述目标膏体料浆的屈服应力进行预测。
[0008]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种矿山膏体料浆屈服应力预测方法及系统，涉及矿山充填
，解决了现有技术中对膏体料浆数据测定不够准确，使得对膏体料浆屈服应力预测准确率低的技术问题，实现了对膏体料浆数据精准测定，进而提高对膏体料浆屈服应力的预测准确率。
附图说明
[0009]图1为本申请提供了一种矿山膏体料浆屈服应力预测方法流程示意图；图2为本申请提供了一种矿山膏体料浆屈服应力预测系统结构示意图。
[0010]附图标记说明：信息熵获取模块1，训练模块2，决策树集构建模块3，模型建立模块4，数据验证模块5，预测模块6。
实施方式
[0011]本申请通过提供一种矿山膏体料浆屈服应力预测方法及系统，用于解决现有技术中对膏体料浆数据测定不够准确，使得对膏体料浆屈服应力预测准确率低的技术问题。
实施例1
[0012]如图1所示，本申请实施例提供了一种矿山膏体料浆屈服应力预测方法，该方法包括：步骤S100：获取目标膏体料浆的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵；具体而言，本申请实施例提供的一种矿山膏体料浆屈服应力预测方法应用于一种矿山膏体料浆屈服应力预测系统。
[0013]为达到对目标膏体料浆的屈服应力进行预测，因此需要对目标膏体料浆的坍落度特征、浓度特征、灰砂比特征进行提取，从而通过信息论编码中的信息熵计算公式分别对坍落度特征、浓度特征、灰砂比特征进行信息论编码运算，从而对坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵进行获取，为后期实现对目标膏体料浆的屈服应力进行预测作为重要参考依据。
[0014]步骤S200：将所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵输入序列调整模型中进行训练，获取第一根节点特征信息；具体而言，首先基于BP神经网络，并采用上述所获坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵作为序列调整模型的构建数据，对序列调整模型进行监督训练、验证和测试，从而完成对序列调整模型的构建，再分别对坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵中进行随机选择，将随机选择出的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵与序列调整模型中训练出的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵进行信息熵的熵值大小比对，通过对最小熵值进行优先分类，继而按照熵值由小到大的顺序对坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵进行排序调整，将序列调整后的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵记作第一根节点特征信息，进而为实现对目标膏体料浆的屈服应力进行预测做保障。
[0015]步骤S300：基于所述第一根节点特征信息，构建决策树集；
具体而言，按照第一根节点特征信息中所包含的排序，依次对目标膏体料浆的坍落度特征、浓度特征、灰砂比特征进行递归算法的分类，从而完成对决策树的构建，递归算法是一种直接或者间接调用自身函数或者方法的算法。
[0016]第一根节点特征信息中共有N个特征信息样本，且N为3，有放回的随机选择N个特征信息样本。这选择好了的N个特征信息样本用来训练一个决策树，作为决策树根节点处的特征信息样本，当每个特征信息样本有M个属性时，M为大于1的正整数，在决策树的每个节点需要分裂时，随机从这M个属性中选取出P个属性，且P为小于M的正整数，当满足P<<M的条件时，从P个属性中采用信息增益策略，选择1个属性作为该节点的分裂属性，从而将第一根节点特征信息中的每个节点均根据上述方法进行分裂直到不能够再分裂为止，以此完成对决策树的构建，为后续实现对目标膏体料浆的屈服应力进行预测夯实基础。
[0017]步骤S400：将所述决策树集进行组合，建立随机森林模型；具体而言，通过对基于第一根节点特征信息所构建的决策树集进行决策树组合，从而完成众多决策树对随机森林的建立，且在每棵决策树中都会存在一个投票结果，最终投票结果最多的类别作为随机森林模型预测结果，在随机森林模型中包含数据的随机性选取，即从第一根节点特征信息数据集内采取有放回的抽样，构造第一根节点特征信息子数据集，第一根节点特征信息子数据集的数据量是和第一根节点特征信息数据集相同的。不同第一根节点特征信息子数据集的元素可以重复，同一个第一根节点特征信息子数据集内的元素也可以重复。再利用第一根节点特征信息子数据集来构建子决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿山膏体料浆屈服应力预测方法，其特征在于，包括：获取目标膏体料浆的坍落度特征信息熵、浓度特征信息熵、灰砂比特征信息熵；将所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵输入序列调整模型中进行训练，获取第一根节点特征信息；基于所述第一根节点特征信息，构建决策树集；将所述决策树集进行组合，建立随机森林模型；将目标膏体料浆数据输入所述随机森林模型进行数据验证，获得验证结果；基于所述验证结果对所述随机森林模型进行优化，将所述目标膏体料浆数据输入优化随机森林模型对所述目标膏体料浆的屈服应力进行预测。2.根据权利要求1所述的方法，其特征在于，获得所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵，包括：获取所述目标膏体料浆的坍落度特征、浓度特征、灰砂比特征；对所述坍落度特征进行信息论编码运算，获得所述坍落度特征信息熵；对所述浓度特征进行信息论编码运算，获得所述浓度特征信息熵；对所述灰砂比特征进行信息论编码运算，获得所述灰砂比特征信息熵。3.根据权利要求1所述的方法，其特征在于，获取所述第一根节点特征信息，包括：基于BP神经网络，采用所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵作为构建数据，对所述序列调整模型进行监督训练、验证和测试，获得所述序列调整模型；分别随机在所述坍落度特征信息熵、所述浓度特征信息熵、所述灰砂比特征信息熵中进行信息熵选择并输入所述序列调整模型，获得所述第一根节点特征信息。4.根据权利要求1所述的方法，其特征在于，所述构建决策树，包括：在所述第一根节点特征信息中随机选择一待选根节点特征信息，作为第一根节点特征信息，并作为临时最优根节点特征信息；再次在所述第一根节点特征信息中随机选择一待选根节点特征信息，作为第二根节点特征信息，其中，所述第一根节点特征信息与所述第二...

【专利技术属性】
技术研发人员：吴顺川，张京，程海勇，庹儒军，刘伟铧，熊艳碧，牛永辉，马庶钊，刘泽民，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：