[发明专利]一种爆破块度预测方法

说明书

本发明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。本发明相比于传统预测方法具有更高的可靠性以及稳定性。

技术领域

本发明涉及一种爆破块度预测方法，属于爆破块度预测技术领域。

背景技术

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。

现有技术中爆破块度预测方法的准确性和可靠性都较低。

发明内容

本发明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。

本发明采用的技术方案是：一种爆破块度预测方法，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。

具体地，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(标签值)，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(属性值)，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)