一种基于BP神经网络预测台阶爆破抛掷效果的方法与流程

技术特征：
1.一种基于bp神经网络预测台阶爆破抛掷效果的方法，其特征在于：包括如下步骤：步骤一：根据实际工况设计多组试验模型，开展不同组别下试验，并记录试验数据；步骤二：构建bp神经网络模型：以台阶高度、煤层厚度、采空区上口宽度、最小抵抗线、孔距、排距、孔间微差时间、煤层坡角作为输入参数，以抛掷率、爆堆松散系数、最远抛距作为输出参数，并其进行归一化处理；步骤三、确定bp神经网络的结构参数：对归一化处理后的输入参数、输出参数进行预处理，然后把预处理后的输入参数、输出参数分为训练样本集和测试样本集；用训练样本集中的数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练成功后，用测试数据集中的数据对训练后的bp神经网络模型进行测试，以验证神经网络模型的正确性；步骤四、使用训练完成的bp神经网络模型对指定工况下台阶爆破抛掷情况进行预测，判断爆破方案可行性，并决定是否满足抛掷要求。2.根据权利要求1所述的一种基于bp神经网络预测台阶爆破抛掷效果的方法，其特征在于：步骤一中，每组试验模型都包括抛掷爆破台阶(1)、采空区(2)、倒堆堆积体(3)、背景格子板(4)，抛掷爆破台阶(1)上布置下向炮孔(1.2)，模拟煤层(1.1)位于抛掷爆破台阶(1)正下方，的背景格子板(4)竖立于抛掷爆破台阶(1)、采空区上口(2)、倒堆堆积体(3)后方。3.根据权利要求1所述的一种基于bp神经网络预测台阶爆破抛掷效果的方法，其特征在于：步骤一中，不同组别下试验为：通过调整最小抵抗线、孔距、排距、主控排孔间微差时间、煤层坡角、炸药单耗中的一个或两个以上的值，进行多组试验。4.根据权利要求1所述的一种基于bp神经网络预测台阶爆破抛掷效果的方法，其特征在于：选用的bp神经网络类型为单隐层bp神经网络，用训练样本集中的数据对其进行训练，每次训练都对训练样本集中的数据重新排序，达到误差容限或训练次数上限就停止训练。5.根据权利要求1所述的一种基于bp神经网络预测台阶爆破抛掷效果的方法，其特征在于：步骤三中，对训练后的bp神经网络模型进行测试时，利用仿真函数来获得网络输出进行网络模型测试，然后检查输出和真实值之间的误差是否满足要求。

技术总结
本发明涉及一种基于BP神经网络预测台阶爆破抛掷效果的方法，属于爆破工程领域。该方法包括：根据实际工况设计模型试验，开展不同组别下试验，并记录试验数据。应用BP神经网络模型，以台阶高度、煤层厚度、采空区上口宽度、最小抵抗线、孔距、排距、孔间微差时间、煤层坡角、作为输入参数，以抛掷率、爆堆松散系数、最远抛距作为输出参数，将试验数据导入神经网络模型进行训练；训练完成后的神经网络模型可以预测台阶爆破抛掷效果。本发明提出了一种基于BP神经网络预测台阶爆破抛掷效果的方法，可准确预测特定工况下台阶爆破抛掷效果，并对爆破方案可行性进行判断。为矿山台阶爆破提供参考，提高抛掷爆破的可靠性。提高抛掷爆破的可靠性。提高抛掷爆破的可靠性。


技术研发人员：李祥龙 张志平 姚永鑫 方程 赵品喆 陶子豪 左庭
受保护的技术使用者：昆明理工大学
技术研发日：2021.08.02
技术公布日：2021/10/28