[发明专利]一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法

权利要求书

1.一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，包括如下步骤：

步骤一：收集实验室模拟真实场景记录数据，得原始数据，对原始数据做关联性分析，找到影响爆破破坏区形状变化的影响因素；

步骤二：对原始数据进行切分，找到具有对比可行性的数据，得切分数据；

步骤三：对切分数据进行缺失值处理、异常值检测和归一化处理，得再处理数据；

步骤四：将再处理数据进行分割，得训练数据集和测试数据集；

步骤五：利用训练数据集训练AdaBoost集成算法模型和Logistic算法模型，得训练好的训练AdaBoost集成算法模型和训练好的Logistic算法模型；

步骤六：利用训练好的AdaBoost算法模型和训练好的Logistic算法模型进行工程爆破破坏区形状的预测，并且与测试数据集中的真实数据进行对比；

步骤七：根据测试数据集进行预测得到的预测成功率进行训练好的AdaBoost算法模型和训练好的Logistic算法模型对比。

2.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤一具体为：

步骤1：使用的数据为某学校矿业学院同学进行模拟真实爆破采集的数据，数据集总共含有87个数据，12个特征，包括试件类型、应力强度，载荷1的应力和压强，载荷2的应力和压强、药高、孔深和抵抗线；

步骤2：通过数据分析得出数据特征中应力强度和载荷对于模型的结果的影响关键的特征。

3.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤二具体为：

步骤1：对原始数据进行切分操作，得切分数据；

步骤2：对切分数据进行分析找到具有可以进行相互对比的数据。

4.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤三具体为：

步骤1：使用插值平均法填充原始数据中的部分缺失值，得补充后数据；

步骤2：对补充后数据进行异常值检测，查看是否有异常值存在，得更正数据；

步骤3：将更正数据进行标准化处理，其计算公式为:Xi*＝(xi-xmin)/(xmax-xmin)

其中，Xi*表示标准化后的数据；xi表示初始数值，xmax表示数据中的最大值，xmin表示数据中的最小值。

5.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤四具体为：

步骤1：将数据集按8：2的比例进行切割，将分割好的数据前百分之八十作为训练数据集，后百分之二十作为测试数据集。

6.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤五具体为：

步骤1：由于AdaBoost集成算法有很好的适用性，并且对于小样本数据有很好的效果，将训练数据集放入AdaBoost集成算法模型中，设置训练次数为5000；

步骤2：将训练数据集放入Logistic算法模型中，设置训练次数为5000。

7.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤六具体为：

步骤1：将测试数据集引用到训练好的AdaBoost集成算法模型中，根据绘制的ROC曲线判断模型的可靠性；

步骤2：将测试数据集引用到训练好的Logistic算法模型中，将预测的结果与测试数据集上的目标作对比，评价模型的预测效果。

8.根据权利要求1所述的一种基于ADABOOST集成算法的深部爆破破坏区形状预测方法，其特征在于，所述步骤七具体为：

步骤1：将AdaBoost集成算法模型和Logistic算法模型预测数据与测试数据对比，得预测成功率；

步骤2：将AdaBoost集成算法模型和Logistic算法模型预测成功率分别记为Y1,Y2，其中Y1＝0.83，Y2＝0.78，得到AdaBoost集成算法模型的预测效果更好。