基于多源信息融合的矿岩可爆性评价及应用

摘要：

在数据挖掘的基础上，采用粗糙集对矿岩可爆性数据进行了数据级融合，除去冗余属性，然后采用BP神经网络进行特征级融合，从而建立基于多源信息融合的矿岩可爆性评价模型。对原始数据进行了离散归一化处理，应用粗糙集对决定矿岩可爆性指数的6个因素进行了属性约简，剔除了平均合格率，而保留了漏斗体积、大块率、小块率、岩体声波速度和波阻抗等5个因素，并对约简的准确性进行了验证。分别建立了矿岩可爆性评价的BP神经网络模型和粗糙集?BP神经网络模型，前者对矿岩可爆性指数的预测值与实际值的平均偏差为8．33％，而后者为6．75％。利用建立的粗糙集?BP神经网络模型预测某矿山井下采场的矿岩可爆性指数为78．43，计算出采场的炸药单耗为0．65 kg／m3，而现场试验值为0．67 kg／m3，进一步验证了该模型的正确性。

关键词：矿岩可爆性、多源信息融合、粗糙集-BP神经网络、可爆性指数、炸药单耗

分类号：TD235(矿山设计与建设)

资助基金：湖南省科技计划资助项目2012SK3160；国家安监总局安全生产重大事故防治关键技术科技项目2012－354；湖南省教育厅科研资助项目10C1130；南华大学博士启动基金项目2012XQD22

在线出版日期：2014-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：26-30