[發明專利]基于隨機GA-BP神經網絡群的爆破塊度預測方法、裝置及介質

在審

• 申請號: 202010045195.7
• 申請日: 2020-01-16
• 公開（公告）號: CN111259601A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 郭欽鵬;楊仕教;劉迎九;相志斌;陳然;吳彪
• 申請（專利權）人: 南華大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種基于隨機GA-BP神經網絡群的爆破塊度預測方法，其特征在于，包括：

獲取待爆破地區的爆破參數；

基于所述爆破參數提取得到爆破特征數據；

依據所述爆破特征數據和預設的隨機GA-BP神經網絡群爆破塊度預測模型，預測待爆破地區的爆破平均塊度；其中，所述預設的隨機GA-BP神經網絡群爆破塊度預測模型為通過已爆破地區歷史爆破數據對隨機GA-BP神經網絡群進行訓練后得到。

2.根據權利要求1所述的基于隨機GA-BP神經網絡群的爆破塊度預測方法，其特征在于，所述預設的隨機GA-BP神經網絡群爆破塊度預測模型為通過已爆破地區歷史爆破數據對隨機GA-BP神經網絡群進行訓練后得到，具體包括：

獲取已爆破地區歷史爆破數據中的爆破參數及爆破平均塊度；

基于已爆破地區的所述爆破參數提取得到已爆破地區的爆破特征數據，然后基于已爆破地區的爆破特征數據及其對應的爆破平均塊度構建爆破樣本集；

通過隨機有放回的抽樣方法從所述爆破樣本集中抽取N組子訓練集及對應的子測試集，N為預設值；

以爆破特征數據為輸入，以對應的爆破平均塊度為輸出，用N組子訓練集分別對GA-BP神經網絡進行訓練，得到N個GA-BP神經網絡爆破塊度預測模型；其中，每訓練得到一個GA-BP神經網絡爆破塊度預測模型，均使用對應的子測試集對該GA-BP神經網絡爆破塊度預測模型分別進行檢驗；若該GA-BP神經網絡爆破塊度預測模型的預測誤差超過預設值，則重新隨機從所述爆破樣本集中抽取一組子訓練集及對應的子測試集，利用該組子訓練集建立一個GA-BP神經網絡爆破塊度預測模型，并使用對應的子測試集對其進行檢驗，直到得到的GA-BP神經網絡爆破塊度預測模型的預測誤差未超過預設值；

根據N個GA-BP神經網絡爆破塊度預測模型各自的預測誤差計算其各自對應的權重，基于N個GA-BP神經網絡爆破塊度預測模型建立隨機GA-BP神經網絡群爆破塊度預測模型，該隨機GA-BP神經網絡群爆破塊度預測模型輸出的爆破平均塊度預測值為N個GA-BP神經網絡爆破塊度預測模型各自的輸出與其對應的權重的乘積之和。

3.根據權利要求2所述的基于隨機GA-BP神經網絡群的爆破塊度預測方法，其特征在于，所述GA-BP神經網絡為通過遺傳算法對BP神經網絡進行優化后得到，具體包括：

A1、隨機生成多組BP神經網絡的權值和閾值，并對權值和閾值進行編碼；

A2、對多組權值和閾值分別進行適應度評價；

A3、若存在一組或多組權值和閾值對應的評價結果達到要求，即BP神經網絡輸出層輸出的爆破塊度預測值的誤差在預設范圍內，則選擇BP神經網絡輸出層輸出的爆破塊度預測值誤差最小的所對應的一組權值和閾值作為最優權值和最優閾值，將最優權值和最優閾值作為BP神經網絡的權值和閾值，得到GA-BP神經網絡；若沒有一組權值和閾值對應的評價結果達到要求，則對多組權值和閾值進行選擇、交叉、變異，產生新的多組權值和閾值，并返回步驟A2。

4.根據權利要求2所述的基于隨機GA-BP神經網絡群的爆破塊度預測方法，其特征在于，所述基于已爆破地區的所述爆破參數提取得到已爆破地區的爆破特征數據之后還包括：對得到的爆破特征數據及對爆破平均塊度進行標準化預處理。

5.根據權利要求1至4任一項所述的基于隨機GA-BP神經網絡群的爆破塊度預測方法，其特征在于，所述爆破參數包括抵抗線、孔間間距、臺階高度、堵塞長度、炮孔直徑、炸藥單耗、巖石彈性模量及原位巖石塊度；基于所述爆破參數提取得到的爆破特征數據包括臺階高度與抵抗線比、孔間間距與抵抗線比、抵抗線與炮孔直徑比、堵塞長度與抵抗線比、炸藥單耗、原位巖石塊度及巖石彈性模量。