基于Gauss分布的抛掷爆破爆堆形态HHO-LSSVM预测模型

作     者：马宁 马力 李胤达 李天翔 杨森 刘福明 周游 王晓民 张奇峰 李蒙博 MA Ning;MA Li;LI Yinda;LI Tianxiang;YANG Sen;LIU Fuming;ZHOU You;WANG Xiaomin;ZHANG Qifeng;LI Mengbo

作者机构：西安科技大学能源学院陕西西安710054 新疆天池能源有限责任公司新疆昌吉831100 中煤科工生态环境科技有限公司北京100013 

基　　金：国家自然科学基金青年科学基金资助项目(51604264) 陕西省国际科技合作计划资助项目(2021KW-37) 

出 版 物：《煤炭学报》 (Journal of China Coal Society)

年 卷 期：2024年第49卷第12期

页      码：4701-4712页

摘      要：露天煤矿抛掷爆破爆堆形态是影响抛掷爆破–拉斗铲倒堆工艺系统作业效率和生产成本的重要因素。为了提高露天煤矿抛掷爆破爆堆形态预测的精确度,进一步优化抛掷爆破设计并降低矿山抛掷爆破剥离成本,依据黑岱沟露天煤矿抛掷爆破实测数据进行实例分析,采用熵值法–灰色关联度方法研究抛掷爆破效果影响指标与最远抛掷距离、松散系数和有效抛掷率的权重及关联度,孔距和剖面宽与抛掷爆破效果评价指标的关联程度较低,选取最小抵抗线、排距、炸药单耗、台阶高度、采空区下口宽、坡面角、采空区上口宽作为预测模型输入参数。引入高斯(Guass)分布模型模拟爆堆剖面曲线,通过1~8阶高斯分布模型对爆堆剖面曲线模拟分析,确定阶数为5时模拟精度与效率达到最优,利用训练完成的HHO–LSSVM预测5阶Guass分布模型15个参数作为预测输出的爆堆形态的控制参数,并采用Gauss分布模型结合HHO–LSSVM算法预测爆堆形态,与LSSVM、粒子群算法(PSO)优化最小二乘支持向量机和遗传算法(GA)优化BP神经网络模型进行精度对比,同时将本文所建立模型的预测爆堆形态与真实爆堆形态进行对比。结果表明:利用5阶高斯分布模拟的爆堆曲线误差平方和(S)参数趋于稳定为25.69,决定系数(R^(2))与调整后的决定系数(R^(2)_(A))分别为0.9992和0.9990,均方根误差(R)为0.5146;HHO–LSSVM对于5阶Gauss分布控制参数的预测误差大部分在1%左右,且误差没有超过5%,与LSSVM、PSO、GA–BP算法模型相比精度较高;以E5–8、E5–9及E5–10剖面为例,预测爆堆形态与真实爆堆形态误差R^(2)和均方根误差R分别为0.9987和0.6142、0.9992和0.4931、0.9992和0.5052,预测爆堆形态接近真实爆堆形态。

主 题 词：露天煤矿 抛掷爆破 Gauss分布 HHO–LSSVM 预测模型 

学科分类：081901[081901] 0819[工学-海洋工程类] 08[工学] 

核心收录：

D　O　I：10.13225/j.cnki.jccs.2023.1421

馆 藏 号：203156866...