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)
露天矿山台阶爆破矿岩平均块度的FOA-SVM预测
- 林春平
- 作者单位：
- is null
基金项目：
- isnull
详细信息：
- 作者简介：
- 林春平（1990—），男，福建龙岩人，工程师，硕士，从事露天矿山采矿技术研究工作；福建省龙岩市上杭县紫金大道1号，紫金矿业集团股份有限公司，364200；E-mail：710114643@qq.com
- 通讯作者：
- isnull
- 此文档没有上传！
Prediction of average block size of rock in open-pit mine bench blasting based on FOA-SVM
- English Author：
- Zijin Mining Group Co.,Ltd.
- Unit：
- 摘要
- 在线预览
- 参考文献
摘要:
露天矿山台阶爆破后矿岩的平均块度是衡量爆破质量的重要指标，对后续的铲装和运输也具有重要的意义。为了对台阶爆破后的矿岩平均块度进行预测，使用果蝇优化算法（FOA）对支持向量机回归模型（SVM）进行参数优化，通过建立基于果蝇优化算法的支持向量机回归模型（FOA-SVM）对矿岩爆破平均块度进行预测，避免传统的SVM参数选取对预测结果准确性产生的影响。结果表明，FOA-SVM可实现对矿岩爆破平均块度的较好预测。
关键词:
露天开采；台阶爆破；平均块度；果蝇优化算法；支持向量机；预测
Abstract:
The average block size of rock after bench blasting in openpit mine is an important measurement for blasting quality.It is also significant for subsequent shoveling and transportation.In order to predict the average block size after bench blasting,the parameters of Support Vector Machine(SVM)were optimized using Fruit Fly Optimization Algorithm(FOA).By establishing FOA-SVM,the average block size of rock after blasting is predicted.The impact of traditional SVMs parameters selection on the accuracy of the prediction results is avoided.The results show that the FOA-SVM can achieve a better prediction of the average block size of rock blasting.
Keywords:
open-pit mine;bench blasting;average block size;Fruit Fly Optimization Algorithm;support vector machines;prediction
