[發明專利]一種爆破塊度預測方法

在審

• 申請號: 202111054833.2
• 申請日: 2021-09-09
• 公開（公告）號: CN113762394A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 李祥龍;趙品喆;姚永鑫;方程;武永博
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q50/02
• 代理公司: 昆明明潤知識產權代理事務所(普通合伙) 53215
• 代理人: 馬海紅

1.一種爆破塊度預測方法，其特征在于：包括如下步驟：

1)形成訓練數據集；

2)選擇分裂節點；

3)生成第一層隨機森林；

4)生成第二層隨機森林；

5)第一層隨機森林與第二層隨機森林的輸出依次疊加，得到雙層隨機森林預測模型的最終輸出。

2.根據權利要求1所述的一種爆破塊度預測方法，其特征在于：所述步驟1)包括如下步驟：

Step1.1：將爆破試驗實際測得的爆破平均塊度值作為模型的輸出變量，相應爆破試驗場次采集到抵抗線距B、鉆孔排間距S、臺階高度H、鉆孔直徑d、堵塞長度L、巖體彈性模量E、原位巖石塊度x、爆破單耗q指標作為模型的輸入變量，輸出變量及輸入變量組成訓練數據集

Step1.2：使用Step1.1得來的數據集采用Bootstrap方法進行訓練樣本集重抽樣，抽取m個數據樣本，隨機產生n個訓練數據集的子集D，D＝{x_i1,x_i2,…,x_in,y_i}(i∈[1,m])；

在Bootstrap數據集基礎上采用Bagging方法進行隨機有放回的選擇訓練數據，然后構造分類器，最后在通過組合學習后的模型來增加整體的采集效果；

Step1.3：在各子集中使用決策樹算法，根據“基尼系數最小準則”，選擇最優方式進行節點分裂，分裂過程中不剪枝，設單棵決策樹預測器f(x，θ_k)的預測結果為f_i(x)，則隨機森林回歸模型的最終預測結果表示為:式(1)定義了隨機森林回歸算法建模過程參數集RFP；式(2)用于進行基于隨機森林回歸的爆破塊度預測；

RFP＝{Ntree,Mtry} (1)

其中x表示輸入向量，θ_k是表示生成每棵樹生長路徑的向量，F(x)表示預測的爆破塊度，Ntree為模型中決策樹樹棵數，利用MATLAB腳本語言編寫代碼并進行不同決策樹樹棵樹Ntree與模型均方誤差MSE之間關系仿真計算，Mtry為從特征中隨機抽取的特征數目，Mtry值控制了隨機森林模型屬性的擾動程度，根據以下經驗公式計算Mtry值：

Mtry＝[log₂M] (3)

Mtry＝[M/3] (4)

式中：M為模型輸入參數的數量；[]表示向下取整運算。

3.根據權利要求2所述的一種爆破塊度預測方法，其特征在于：所述步驟2)包括如下步驟：

Step2.1：采用二叉樹形式決策樹，利用二分遞歸將數據空間不斷劃分為不同子集，分類時，假設有K個類，則概率分布的基尼指數為：

其中，p表示樣本點的概率，p_k表示樣本點屬于第K類的概率；

Step2.2：決策樹采用GINI系數作為屬性分裂的標準，選擇基尼系數最低的特征作為根節點，以此類推，選擇其余特征基尼系數最小的作為葉節點；

Step2.3：根據訓練數據集，從根節點開始，遞歸地對每個節點進行步驟3)，構建二叉決策樹。