基于主成分分析法与 RBF 神经网络的岩体可爆性研究

摘要：

为了对岩体可爆性进行更精确的预测分级，建立了主成分分析法与 RBF 神经网络相结合的评价模型。以某矿山岩石为例，将影响岩石可爆性的容重、抗拉强度、抗压强度和岩体完整性系数作为评价指标，统计矿山13种岩体的样本数据。对样本数据进行主成分相关性预处理，将输出结果作为 RBF 神经网络的输入变量，岩体的爆破等级作为输出变量，得到的结果精度更高。研究结果表明：预测结果的相对误差均控制在5%以内，与 BP 神经网络预测误差（16%）相比，所得到实际预测结果与期望值之间的相对误差分别降低了71.94%、86.65%、73.20%和76.62%，预测精度显著提高。该模型为岩体可爆性分级预测提供了一种更为完善的方法。

关键词：RBF 神经网络、岩体可爆性、评价指标、主成分分析、预测精度

分类号：TD235(矿山设计与建设)

资助基金：“十二五”国家科技支撑计划项目“金属矿床高效地下开采关键技术研究及示范”编号2013BAB02B05

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63