基于回归分析理论的爆破块度预测模型研究

介绍了建立矿岩爆破块度分布预测模型的方法，结合某露天矿实际，在现场小台阶模拟试验的基础上，应用回归分析和显著性检验等数理统计理论，研究建立了矿岩爆破块度分布与岩体特征、炸药类型、爆破参数的7种变量因子预测模型；同时，通过对所建模型的分析研究，得到了大块率、平均块度、p80和k50等爆破单一指标的计算式。经生产爆破的检验，所建模型与实际吻合较好。因此，它对于矿山的爆破块度分布预测和爆破参量优化有一定的参考价值。     

扇形中深孔爆破块度预测的神经网络法

针对现有爆破块度预测模型存在的不足,应用神经网络理论,研究了具体矿岩条件下的扇形中深孔爆破块度预测的神经网络方法.构建了三层前馈型神经网络结构,并根据扇形中深孔爆破实例,采用BP 算法对网络进行了训练,建立了具体矿岩条件下的扇形中深孔爆破块度分布与其影响因素间的非线性映射关系.采用测试样本对模型进行了测试,结果表明,所建立的模型用于扇形中深孔爆破块度的预测是可行的,模型精度是可靠的.     

长九神山灰岩矿开采爆破块度预测研究

长九神山灰岩矿是世界上生产规模最大的砂石骨料场,爆破块度直接影响矿山的生产效益.结合现场实际生产,在两个岩体节理发育的采区共进行了11次爆破试验.基于Kuz-Ram爆破块度预测模型计算了爆破后的平均块度,发现平均块度预测计算值与爆破后实测值差异巨大.进而研究了计算值与实际值差距较大的原因,结果表明:岩体结构中节理发育程度、岩石性质是影响块度分布的主要因素,修正的Kuz-Ram模型岩石系数A的计算严重影响预测结果,建议在计算岩石系数A时,不考虑岩石密度的影响.通过现场4次验证性爆破试验数据分析显示,基于Kuz-Ram模型并使用建议修正方法得到的岩石系数,计算得到的平均块度预测值准确性明显提升,相对误差均在10％以下,预测准确性大幅提高.     

爆破块度频率与质量分布转换及工程应用

爆破后矿岩块度具有分形特征,基于此推导了碎块筛下累计频率百分比到筛下累计质量百分比间的转换关系式,建立了以块度频率为参数的质量分布函数,提出了矿岩流动特性模型试验的质量配比关系式。研究结果表明:(1)块度频率分布与函数之间具有数学可行性,能够为矿石块度频率分布与质量分布间建立一种关系。(2)铜坑矿崩落法采矿爆堆碎块筛下累计频率百分比数据服从R-R分布,爆破后未出矿、出50%矿量和临近截止出矿时爆堆的特征块度值分别为64.6 mm、64 mm和213.4 mm。(3)铜坑矿崩落法工艺参数优化相似模型实验的矿石颗粒配比为:0~0.6 mm、0.6~1.18 mm、1.18~2.36 mm、2.36~4.75mm、4.75~6 mm粒径区间矿石颗粒质量百分比分别为1.4%、9.3%、37.5%、38.4%和13.4%。     

基于块体形状分类的爆堆块度三维几何参数估算

爆堆图像分析法是统计爆破后矿岩块度分布的主要方法,针对图像分割后得到的岩块二维图形,研究了通过岩块二维投影几何参数估算岩块体积的方法。统计分析岩体中节理面倾向、倾角和间距的概率分布,通过Monte Carlo随机模拟三维节理面网络,建立节理面切割的矿岩原始块度三维模型,利用3组相互垂直的平面切割块度三维模型获取块体二维轮廓。对于不同的二维形状参数φ值区间,分析三维形状参数ε和κ的变化规律并建立其与φ的关系式。利用块体形状分类方法将块度三维模型分成6个块体集合,根据形状假设理论,由统计数据得出块体实际体积的对数和球形假设估算的块体体积的对数呈线性相关,应用回归分析推导出得到通过三维形状参数估算岩块体积的公式,通过实验对比,根据二维几何参数估算的块体体积和块度模型的块体实际体积的分布规律一致。     

基于LS-SVR岩石爆破块度预测

为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数。分别使用15组露天矿山爆破数据和35组爆破数据作为小样本容量和正常样本容量,对模型的预测精度进行检验。结果表明:两种样本容量下LS-SVR预测模型的预测结果精度都比同样本容量下人工神经网络(ANN)回归预测的结果精度更高,说明所提出的LS-SVR模型适用于预测露天矿山爆破块度,并且在小样本条件下更具优势。     

矿岩爆破图像二值化分割技术的研究与选择

爆破块度图像分析法是当前爆破块度统计的重要方法,图像分割技术是该分析方法的关键与难点。针对爆堆及块石图像的特殊性,研究了基于二值化的矿岩爆破图像分割技术,分析了阈值分割、区域生长分割、标记分水岭分割等当前主要的图像分割方法。通过研究图像上同一截面灰度值切片的变换与矿块实际边缘的吻合程度,发现数学形态学分割方法得到的二值图像边界清晰、断点少,相对于门限法更适用于爆破块度图像,其生成的二值化图像层次清晰,便于像素特征的提取。图像分割先进技术的应用,对于实现矿岩爆破图像块度分析的智能化提供了广阔的空间。     

基于PCA和改进BP组合预测模型的矿岩可爆性研究

为了更精确地对矿岩可爆性进行预测分级,对BP神经网络评价方法进行优化,建立了主成分分析法和改进BP神经网络相结合的矿岩可爆性分级评价模型。以具体矿山为例,考虑影响矿岩可爆性的10项评判指标,统计15个实际矿山的样本数据。利用SPSS软件对样本数据进行主成分分析,将输出结果作为改进BP神经网络的输入因子,矿岩的爆破等级作为输出因子,得到的分级预测结果更加准确且精度更高。结果表明:该模型对矿岩可爆性分级的相对误差都控制在6%以内,与未经主成分分析的BP神经网络预测误差相比,预测精度显著提高。该组合预测模型为矿岩的可爆性分级提供了一种更加完善的评价体系。     

LOO-XGboost模型预测岩石爆破块度

针对小样本条件下使用机器学习方法预测岩石爆破块度存在的数据利用率不足,预测精度存在浮动较大的问题.将留一法(LOO)与极限梯度提升(XGboost)算法结合,利用Python 3.7构建LOO-XGboost岩石爆破块度预测模型,选取31组爆破数据进行LOO-XGboost模型训练与预测,通过调用不同参数,得到模型的最...     

基于Adaboost-SVM组合算法的爆破振动强度预测研究

为了提高爆破振动强度预测精度,提出了基于Adaboost-SVM组合算法的爆破振动强度预测方法。采用主分量分析法,从7种爆破振动强度影响因素中确定了3类主要因素,并建立训练样本集,选用高斯径向基核函数建立SVM预测模型,经过对模型参数不断训练和优化调整,实现了对爆破振动强度的预测,最后通过Adaboost-SVM组合算法构建预测模型,进一步提升了预测精度。结果表明,SVM模型在预测精度上高于传统经验公式法和BP神经网络法,且训练速度更快;而提出的Adaboost-SVM组合算法能够进一步将预测精度提高至97%以上。     

基于PCA-GA-SVM的露天矿爆破振动速度预测模型研究

露天矿爆破振动速度受很多因素的影响,传统的经验公式和单一的神经网络模型无法满足现代爆破安全的要求。为提高预测爆破振动速度的精度,利用主成分分析(PCA)提取4个影响爆破振动速度的主成分作为模型的输入变量;结合遗传算法(GA)寻优获得支持向量机(SVM)惩罚系数c和核函数参数g为1.899 1和1.971 2,建立了基于PCA-GA-SVM的露天矿爆破振动速度预测模型,并成功应用于现场爆破工程。结果表明:该模型的平均相对误差为14.60%,建模时间为3.12 s,均方误差为0.131 5,与BP神经网络、传统SVM和GA-SVM对比,此模型具有更快的收敛速度和更高的准确率,为多因素影响下爆破振动速度预测提供了一种新的方法。     

基于PCA-GA-SVM的露天矿爆破振动速度预测模型研究

露天矿爆破振动速度受很多因素的影响,传统的经验公式和单一的神经网络模型无法满足现代爆破安全的要求。为提高预测爆破振动速度的精度,利用主成分分析(PCA)提取4个影响爆破振动速度的主成分作为模型的输入变量;结合遗传算法(GA)寻优获得支持向量机(SVM)惩罚系数c和核函数参数g为1.899 1和1.971 2,建立了基于PCA-GA-SVM的露天矿爆破振动速度预测模型,并成功应用于现场爆破工程。结果表明:该模型的平均相对误差为14.60%,建模时间为3.12 s,均方误差为0.131 5,与BP神经网络、传统SVM和GA-SVM对比,此模型具有更快的收敛速度和更高的准确率,为多因素影响下爆破振动速度预测提供了一种新的方法。     

Ⅴ型起爆技术在某露天铁矿深孔爆破中应用的分析

分析了Ⅴ型起爆技术在某露天铁矿深孔爆破开采中的应用.为了满足该露天铁矿对大块率、爆破震动等的要求,在该露天铁矿爆破参数的基础上,通过不断优化爆破参数,采用Kuznetsov平均矿岩块度预测数模和Rosin-Rammler矿岩块度分布数模,分析Ⅴ型起爆技术对降低大块率的作用.经过理论计算,该露天铁矿爆破大块率在3.47％左右,且块度均匀性指标β在1.63左右,说明均匀性较好,根据萨道夫斯基爆破震动速度经验计算公式分析爆破震动临界条件,计算得到最大段单响药量不能超过650 kg.长期以来,该露天铁矿不断优化爆破参数,通过选用Ⅴ型起爆技术,大块率明显下降,有效控制了爆破震动.     

V型起爆技术在某露天铁矿深孔爆破中应用的分析

分析了V型起爆技术在某露天铁矿深孔爆破开采中的应用。为了满足该露天铁矿对大块率、爆破震动等的要求,在该露天铁矿爆破参数的基础上,通过不断优化爆破参数,采用Kuznetsov平均矿岩块度预测数模和Rosin-Rammler矿岩块度分布数模,分析V型起爆技术对降低大块率的作用。经过理论计算,该露天铁矿爆破大块率在3.47%左右,且块度均匀性指标β在1.63左右,说明均匀性较好,根据萨道夫斯基爆破震动速度经验计算公式分析爆破震动临界条件,计算得到最大段单响药量不能超过650 kg。长期以来,该露天铁矿不断优化爆破参数,通过选用V型起爆技术,大块率明显下降,有效控制了爆破震动。     

基于GEP的露天矿台阶爆破块度预测模型

针对爆破块度难以预测的问题,选用基因表达式编程(GEP)算法,以MyEclipse为开发工具,建立基于GEP的爆破块度预测模型。选取一组实测数据进行预测,并与库兹列佐夫法(Kuznetsov),多重回归分析法(MVRA),人工神经网络法(ANN)预测的结果进行对比。通过比较,GEP模型预测结果的相关系数最高,平均绝对误差、平方根误差最低,分别是0.957、0.008、0.078。预测结果表明GEP模型在爆破块度预测方面是可行的,为爆破块度预测提供了一种新的方法。     

岩体爆破块度预测模型研究综述

本文根据所应用的不同理论和研究方法将现有的岩体爆破块度预测模型划分为三类,即应力波模型、分布函数模型和能量模型,简略介绍了模型建立的理论基础、研究条件以及最终结果。着重分析评价了各模型的特点,讨论提出了今后块度预测研究的问題和发展方向。     

平面照相法测定爆堆矿岩块度的原理及可靠性分析

1 前言在露天矿山的爆破生产和科研工作中,准确而又迅速地测得爆堆矿岩的块度大小及分布,是调整爆破参数和施工工艺、实现优化爆破的重要参考依据.平面照相法(亦称平面摄影法)则是近年来在国内外逐步发展起来的一种测定爆破块度的新方法.采用这种方法,首先对爆堆表面(包括初始表面和电铲挖掘断面)进行拍照,然后对照片图象进行矿岩块度分析,从而确定出爆堆矿岩的破碎质量.与传统的大块计数法和筛分称重     

基于深度神经网络的露天矿岩石爆破效果预测

装载和运输成本占到露天矿运营总成本的50%以上,而爆破后岩石破碎程度直接影响到露天矿装载和运输成本。为了得到爆破参数和岩石破碎度之间的关系,收集了平朔东露天矿爆破参数和岩石破碎度数据,使用图像识别技术大规模收集分析爆破后岩块粒径分布,基于深度神经网络研究分析爆破参数和岩石破碎度之间的关系,建立了适用于东露天矿的爆破参数和破碎度的预测模型,并对爆破参数做敏感性分析,确立了炸药单耗和孔距是主要影响因素,并分别建立了炸药单耗和孔距与岩石破碎度之间的变化关系。研究结果可以指导矿山确定合理的穿孔和爆破参数以得到最佳的岩石破碎度,从而减少露天矿运营总成本。     

基于深度神经网络的露天矿岩石爆破效果预测

装载和运输成本占到露天矿运营总成本的50%以上,而爆破后岩石破碎程度直接影响到露天矿装载和运输成本。为了得到爆破参数和岩石破碎度之间的关系,收集了平朔东露天矿爆破参数和岩石破碎度数据,使用图像识别技术大规模收集分析爆破后岩块粒径分布,基于深度神经网络研究分析爆破参数和岩石破碎度之间的关系,建立了适用于东露天矿的爆破参数和破碎度的预测模型,并对爆破参数做敏感性分析,确立了炸药单耗和孔距是主要影响因素,并分别建立了炸药单耗和孔距与岩石破碎度之间的变化关系。研究结果可以指导矿山确定合理的穿孔和爆破参数以得到最佳的岩石破碎度,从而减少露天矿运营总成本。     

基于复合核模的物流需求预测研究

物流需求预测在制定发展规模、资源整合、政策法规拟定中起着至关重要的作用。为提高预测性能,提出一种基于复合核模的预测模型。利用全局核函数与局部核函数分别训练参训样本,根据训练结果动态提取复合核模底层函数,将底层核函数进行非线性组合;利用该复合核模对训练样本进行在线解析,并对测试样本进行预测检验。利用我国运输物流流量物流统计数据进行案例分析,实验结果表明,基于复合核模的预测模型能从数据源头增强样本的解析性能与非线性学习能力,并能提高预测模型的预测精度,增强泛化性能。