中国科技核心期刊
美国化学文摘社（CAS）数据库
美国EBSCO学术数据库
日本科学技术振兴机构数据库(JST)
基于灰狼算法改进随机森林算法的爆破振动速度预测研究
- 胡学敏|曾晟|宋良灵
- 作者单位：
- 南华大学资源环境与安全工程学院&湖南有色金属职业技术学院资源环境系|南华大学资源环境与安全工程学院|南华大学土木工程学院
基金项目：
- 湖南省研究生科研创新项目(QL20210225)
详细信息：
- 作者简介：
- 胡学敏(1987—),男,硕士研究生,研究方向为采矿技术;E-mail:331567000@qq.com
- 通讯作者：
- 曾晟(1977—),男,教授,博士,研究方向为采矿技术;E-mail:usczengs@126.com
- PDF下载
Study on prediction of blasting vibration velocity based on Grey Wolf Algorithm improved Random Forest Algorithm
- English Author：
- School of Resources Environment and Safety Engineering,University of South China&Department of Resources and Environment,Hunan Nonferrous Metals Vocational and Technical College|School of Resources Environment and Safety Engineering,University of South China|School of Civil Engineering,University of South China
- Unit：
- 摘要
- 在线预览
- 参考文献
摘要:
为改善露天矿爆破作业过程中的峰值质点速度在采用传统经验公式和单一仿生算法时预测精度不够的问题,引入灰狼算法(GWO)优化了随机森林算法(RF)中决策树的棵数和层数2个超参数,成功构建了基于灰狼算法改进的GWO-RF爆破振动速度预测模型?结合某爆破工程69组爆破监测数据,以爆心距?最大段药量?总装药量?微差时间?炮孔数?孔距?孔深及排距为输入参数,运用GWO-RF预测模型和RF模型进行爆破振动峰值速度预测对比?结果表明:GWO-RF组合算法能够考虑更多符合实际的爆破振动速度影响因素,GWO-RF组合算法误差率比RF算法提高了37.83百分点;GWO-RF组合算法的爆破振动速度预测精度达到97.72 %?说明GWO成功优化了RF中决策树的2个超参数,也证明GWO-RF组合算法能很好进行露天矿爆破振动速度预测?
关键词:
露天开采;爆破振动;速度预测;随机森林算法;灰狼算法
Abstract:
is null
Keywords:
open-pit mining;blasting vibration;velocity prediction;Random Forest Algorithm;Grey Wolf Algorithm
