10.3969/j.issn.0253-6099.2014.05.007
基于多源信息融合的矿岩可爆性评价及应用
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。
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
TD235(矿山设计与建设)
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
2014-12-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
26-30