爆破振動(dòng)速度是用來(lái)衡量爆破振動(dòng)強(qiáng)度的重要參數(shù)。因此，對(duì)爆破振動(dòng)速度進(jìn)行精準(zhǔn)預(yù)測(cè)具有重要意義。國(guó)內(nèi)外學(xué)者采用機(jī)器學(xué)習(xí)方法在爆破振動(dòng)峰值速度預(yù)測(cè)方面取得了一定的效果，但是還存在著選取數(shù)據(jù)較少、包含因素少、模型預(yù)測(cè)精度有限、容易過(guò)擬合等問(wèn)題。武漢理工大學(xué)任高峰團(tuán)隊(duì)通過(guò)基于決策樹(shù)的特征重要性分析，選取了爆心距、炸藥爆速、孔距、堵塞長(zhǎng)度、孔深、單段藥量6個(gè)變量作為輸入特征，利用粒子群優(yōu)化算法(PSO)對(duì)XGBoost模型的決策樹(shù)數(shù)目、決策樹(shù)最大深度、學(xué)習(xí)率3個(gè)參數(shù)進(jìn)行尋優(yōu)，構(gòu)建了PSO-XGBoost爆破振動(dòng)峰值速度預(yù)測(cè)模型與BPNN、AdaBoost、GBDT、RF、SVR模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，PSO-XGBoost模型的預(yù)測(cè)性能最佳，預(yù)測(cè)結(jié)果最優(yōu)。為了進(jìn)一步推廣應(yīng)用預(yù)測(cè)成果，開(kāi)發(fā)設(shè)計(jì)了一套爆破振動(dòng)峰值速度預(yù)測(cè)系統(tǒng)

特征重要性分析

基于決策樹(shù)的特征重要性分析是一種用于理解數(shù)據(jù)集中哪些特征對(duì)于預(yù)測(cè)目標(biāo)變量最為重要的方法。決策樹(shù)算法通過(guò)遞歸地選擇最佳屬性來(lái)分割數(shù)據(jù)集，從而構(gòu)建一棵樹(shù)結(jié)構(gòu)模型。在這個(gè)過(guò)程中，每個(gè)內(nèi)部節(jié)點(diǎn)代表一個(gè)屬性上的測(cè)試，每個(gè)分支代表一個(gè)測(cè)試結(jié)果，而每個(gè)葉節(jié)點(diǎn)代表一個(gè)輸出值。在隨機(jī)森林模型中，特征的重要性通常是通過(guò)衡量該特征在所有樹(shù)中的貢獻(xiàn)來(lái)計(jì)算。

本研究獲取某爆破工程97組實(shí)測(cè)數(shù)據(jù)，收集了巖石普氏系數(shù)、單段藥量、孔距、抵抗線、孔深、堵塞長(zhǎng)度、炮孔直徑、藥卷直徑、炸藥密度、炸藥爆速、爆心距11個(gè)指標(biāo)作為爆破振動(dòng)峰值速度的影響因子，對(duì)這些變量進(jìn)行歸一化處理，而后通過(guò)特征重要性分析重要影響因素。結(jié)果表明，爆心距對(duì)于模型最為重要，其余特征中炸藥爆速、孔距、堵塞長(zhǎng)度、孔深、單段藥量、炸藥密度對(duì)于模型較為重要，抵抗線、普式系數(shù)、藥卷直徑、炮孔直徑對(duì)模型影響較小。

圖1 特征重要性

為探究不同輸入變量對(duì)PSO-XGBoost的影響，通過(guò)減少輸入變量的數(shù)量分析3種指標(biāo)的變化情況來(lái)進(jìn)行敏感性分析前6種特征數(shù)量中，MSE、RMSE呈減小的趨勢(shì)，R2呈增大的趨勢(shì)；在特征數(shù)量為6時(shí)，MSE、RMSE均為最小，R2最大；繼續(xù)增加特征的數(shù)量，MSE和RMSE開(kāi)始增大，而后穩(wěn)定，R2開(kāi)始減小而后穩(wěn)定。由此可知，在特征數(shù)量為6，即輸入特征為爆心距、炸藥爆速、孔距、堵塞長(zhǎng)度、孔深、單段藥量時(shí)，模型的擬合能力最佳，誤差最小，炸藥密度、抵抗線、普式系數(shù)、藥卷直徑、炮孔直徑不應(yīng)作為特征變量進(jìn)行輸入。

圖2 不同特征數(shù)量的影響

預(yù)測(cè)模型構(gòu)建

PSO-XGBoost預(yù)測(cè)模型的構(gòu)建流程如下：

（1）將收集到的97組數(shù)據(jù)進(jìn)行篩選。選取爆心距、炸藥爆速、孔距、堵塞長(zhǎng)度、孔深、單段藥量為輸入變量，爆破振動(dòng)峰值速度作為模型輸出變量。進(jìn)一步進(jìn)行標(biāo)準(zhǔn)化，然后將數(shù)據(jù)的70%作為訓(xùn)練集，15%作為驗(yàn)證集，15%作為測(cè)試集。

（2）設(shè)置粒子的最大迭代次數(shù)、種群的數(shù)量、慣性權(quán)重、學(xué)習(xí)因子、搜索范圍并隨機(jī)初始化一群粒子。

（3）根據(jù)初始化的粒子建立XGBoost模型。以訓(xùn)練集樣本進(jìn)行訓(xùn)練然后對(duì)驗(yàn)證集進(jìn)行預(yù)測(cè)，計(jì)算驗(yàn)證集中爆破振動(dòng)峰值速度預(yù)測(cè)值與實(shí)際值間MSE，以此為粒子群優(yōu)化算法的適應(yīng)度值。

（4）依據(jù)速度更新公式和位置更新公式迭代更新粒子的速度和坐標(biāo)，更新超參數(shù)組合。然后計(jì)算相應(yīng)的適應(yīng)度值，并比較更新個(gè)體和整體的最優(yōu)適應(yīng)度值。

（5）當(dāng)粒子的適應(yīng)度趨于穩(wěn)定或迭代次數(shù)達(dá)到最大時(shí)，終止迭代循環(huán)，獲取最優(yōu)參數(shù)組合。

（6）根據(jù)粒子群優(yōu)化算法獲得的最優(yōu)參數(shù)組合訓(xùn)練最優(yōu)預(yù)測(cè)模型，使用測(cè)試集進(jìn)行預(yù)測(cè)，最后得到峰值速度的預(yù)測(cè)結(jié)果并輸出預(yù)測(cè)結(jié)果評(píng)價(jià)指標(biāo)。

圖3 PSO-XGBoost預(yù)測(cè)模型流程

預(yù)測(cè)結(jié)果

將訓(xùn)練集輸入6個(gè)不同模型進(jìn)行訓(xùn)練后，再將測(cè)試集輸入至模型進(jìn)行預(yù)測(cè)，最后得到每個(gè)模型的預(yù)測(cè)值與3個(gè)評(píng)價(jià)指標(biāo)。與其他模型相比，PSO-XGBoost模型預(yù)測(cè)精度高，誤差最小，擬合效果好，用于預(yù)測(cè)爆破振動(dòng)峰值速度能夠取得較好效果。其原因在于PSO-XGBoost模型巧妙融合了PSO與XGBoost的優(yōu)勢(shì)，PSO以其強(qiáng)大的全局搜索能力，自動(dòng)搜索XGBoost模型超參數(shù)的最優(yōu)配置，有效避免陷入局部最優(yōu)，顯著提升了模型泛化能力。同時(shí)，通過(guò)動(dòng)態(tài)調(diào)整XGBoost的參數(shù)，增強(qiáng)了模型對(duì)數(shù)據(jù)噪聲的魯棒性，降低了過(guò)擬合風(fēng)險(xiǎn)，保證了預(yù)測(cè)結(jié)果的可靠性與穩(wěn)定性。

預(yù)測(cè)系統(tǒng)

為了使提出的PSO-XGBoost模型直接適用于爆破工程，本研究利用Python的PyQt5外置工具設(shè)計(jì)開(kāi)發(fā)了一個(gè)爆破振動(dòng)峰值速度預(yù)測(cè)系統(tǒng)，實(shí)現(xiàn)了系統(tǒng)界面與預(yù)測(cè)模型的結(jié)合。在登錄界面，用戶可以使用賬號(hào)和密碼登錄系統(tǒng)，或者使用QQ、微信快捷登錄。在預(yù)測(cè)界面，用戶可以選擇一個(gè)預(yù)測(cè)模型，輸入爆心距、炸藥爆速、孔距、堵塞長(zhǎng)度、孔深、單段藥量，然后點(diǎn)擊預(yù)測(cè)按鈕，即可得到對(duì)應(yīng)的爆破振動(dòng)峰值速度預(yù)測(cè)結(jié)果。該系統(tǒng)界面簡(jiǎn)潔、操作簡(jiǎn)單，可應(yīng)用于實(shí)際爆破工程中。

圖5 爆破振動(dòng)峰值速度預(yù)測(cè)系統(tǒng)

原文下載

作者簡(jiǎn)介

任高峰

教授，博士生導(dǎo)師，澳大利亞西澳大學(xué)訪問(wèn)學(xué)者，湖北產(chǎn)業(yè)教授，武漢理工大學(xué)青年拔尖人才，武漢理工大學(xué)青年教學(xué)名師，國(guó)家精品課程與湖北省優(yōu)秀教學(xué)團(tuán)隊(duì)主要成員。2010年畢業(yè)于武漢理工大學(xué)采礦工程專業(yè)，獲博士學(xué)位。長(zhǎng)期從事采礦工程、安全工程與巖土工程方向的教學(xué)與科研工作，先后主持國(guó)家自然科學(xué)基金3項(xiàng)、國(guó)家重點(diǎn)研發(fā)計(jì)劃課題和子課題各1項(xiàng)、湖北省自然科學(xué)基金1項(xiàng)、山東省重點(diǎn)研發(fā)計(jì)劃子課題1項(xiàng)、企業(yè)科技攻關(guān)課題60余項(xiàng)。獲省部級(jí)科技進(jìn)步一等獎(jiǎng)3項(xiàng)、二等獎(jiǎng)10項(xiàng)。授權(quán)發(fā)明、實(shí)用新型專利20余項(xiàng)，出版教材及專著4部。在行業(yè)權(quán)威期刊發(fā)表學(xué)術(shù)論文100余篇。兼任國(guó)家自然科學(xué)基金評(píng)審專家、湖北省應(yīng)急管理廳專家、湖北省自然資源廳專家等。

《金屬礦山》簡(jiǎn)介

《金屬礦山》由中鋼集團(tuán)馬鞍山礦山研究總院股份有限公司和中國(guó)金屬學(xué)會(huì)主辦，主編為中國(guó)工程院王運(yùn)敏院士，現(xiàn)為北大中文核心期刊、中國(guó)科技論文統(tǒng)計(jì)源期刊（中國(guó)科技核心期刊）、中國(guó)精品科技期刊（F5000頂尖學(xué)術(shù)論文來(lái)源期刊）、中國(guó)百?gòu)?qiáng)報(bào)刊、RCCSE中國(guó)核心學(xué)術(shù)期刊（A）、中國(guó)期刊方陣雙百期刊、國(guó)家百種重點(diǎn)期刊、華東地區(qū)優(yōu)秀期刊，被美國(guó)化學(xué)文摘（CA）、美國(guó)劍橋科學(xué)文摘（CSA）、波蘭哥白尼索引（IC）、日本科學(xué)技術(shù)振興機(jī)構(gòu)數(shù)據(jù)庫(kù)（JST）等世界著名數(shù)據(jù)庫(kù)收錄。主要刊登金屬礦山采礦、礦物加工、機(jī)電與自動(dòng)化、安全環(huán)保、礦山測(cè)量、地質(zhì)勘探等領(lǐng)域具有重大學(xué)術(shù)價(jià)值或工程推廣價(jià)值的研究成果，優(yōu)先報(bào)道受到國(guó)家重大科研項(xiàng)目資助的高水平研究成果。根據(jù)科技部中國(guó)科技信息研究所發(fā)布的《2024中國(guó)科技期刊引證報(bào)告（核心版）》，《金屬礦山》核心總被引頻次位列26種礦業(yè)工程技術(shù)學(xué)科核心期刊第1位；根據(jù)中國(guó)知網(wǎng)發(fā)布的《中國(guó)學(xué)術(shù)期刊影響因子年報(bào)》（2024版），《金屬礦山》學(xué)科影響力位居73種礦業(yè)期刊第9位。

礦業(yè)科學(xué)技術(shù)大會(huì)參會(huì)報(bào)名鏈接

供稿：曾文旭

編排：余思晨

審核：王小兵

利用提供參考依據(jù)。

供稿：曾文旭

編排：余思晨

審核：王小兵

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。