运用随机森林和GA-BP神经网络预测岩石爆破块度

为了更好地预测岩矿石爆破块度,将世界多个矿山的爆破块度统计数据依据弹性模量分成两组,运用随机森林和GA-BP神经网络分别建立爆破数据随机森林分组模型和爆破块度预测模型。以孔间间距与排间间距比、炮孔孔深与排间间距比、排间间距与炮孔直径、炮孔堵塞长度与排间间距比、炸药单耗、原位岩石块度和岩石弹性模量为输入参数,对爆破块度进行预测。结果表明预测结果的相关性系数(R2)、均方根误差(RMSE)和平均相对误差(MRE)均优于多元回归预测模型和BP神经网络预测模型,且优于未分组情况下建立的GA-BP神经网络预测模型,更适合于爆破工程的实际应用,并为多因素影响下的爆破块度预测提供了一种新思路。