[发明专利]一种基于cart树回归算法的爆破块度预测方法

摘要

本发明公开了一种基于cart树回归算法的爆破块度预测方法，利用已有的历史岩石块度相关参数作为样本属性采用CLS算法构建CART决策树模型并进行训练，收集新的石块度相关参数，利用训练好的CART决策树模型进行预测。与现有技术相比，本发明首先通过已有的历史岩石块度相关参数构建CART决策树模型并进行训练，然后即可以利用训练好的CART决策树模型进行爆破块度的预测，本发明从根源上预防爆破块度事故发生，降低爆破过程中产生的大块率，降低二次破碎，提高生产效率，节约爆破成本。

主权项

1.一种基于cart树回归算法的爆破块度预测方法，其特征在于，包括以下步骤：步骤一、利用已有的历史岩石块度相关参数作为样本属性构建CART决策树模型，根据训练数据集,从根节点开始，递归地对每个节点进行以下操作，构建二叉决策树：(1)设节点的训练集为D,计算现有的特征对该数据集的基尼指数，此时，对每一个特征A,对其可能的每个取值a,根据样本点对A＝a的测试为“是”或“否”将D分割成D1和D2两部分,计算A＝a时的基尼指数；(2)在所有可能的特征A以及所有可能的切分点a中,选择基尼指数最小的特征及其对应的切分点作为最优特征与最优切分点,依最优特征与最优切分点,从现切分点生成两个子节点,将训练数据集依特征分配到两个子节点中去；(3)对两个子节点递归地调用(1),(2),直至满足样本集的基尼指数小于预定阈值。(4)生成CART决策树。步骤二、利用训练好的CART决策树模型进行预测。