基于高斯过程回归矿山爆破飞石距离预测模型

摘要：

为了提高矿山爆破飞石距离预测结果的精度,首先,根据马来西亚某矿山52次爆破作业记录的飞石距离相关参数,建立由6个输入(炮孔孔径、炮孔长度、最小抵抗线/孔距、炮孔填塞长度、最大一段装药量、炸药单耗)和1个输出(飞石距离)组成的数据库.然后,基于高斯过程回归机器学习算法,建立爆破飞石距离的预测模型,将其应用于马来西亚某矿山中,并与2种主流的机器学习方法(支持向量回归和神经网络)的预测结果进行对比.结果表明:从实际图-预测值图和残差分析看,基于双层神经网络构建的飞石距离预测模型的预测效果最差;从回归评价指标看,基于二次有理高斯过程回归建立的飞石距离预测模型的预测效果最优,其R-平方(R2)值为0.9、均方根误差(RMSE)值为24.67、均方误差(MSE)值为608.61、平均绝对误差(MAE)值为21.42.由此可知,基于高斯过程回归预测矿山爆破飞石距离更精确.可为类似矿山爆破安全警戒范围计算提供理论基础.

关键词：矿山爆破、高斯过程回归、飞石距离、预测模型

所属期刊栏目：29

分类号：TD235(矿山设计与建设)

资助基金：江西省教育厅科技基金资助项目;江西理工大学高层次人才启动基金资助项目;深圳职业技术学院校级科研启动基金资助项目;广东省基础与应用基础研究基金资助项目

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-79,108