基于XGBoost的炸药岩石匹配系统研究

崔雪姣; 李启月; 陶明; 洪志先; 赵明生; 李杰; 周建敏; 余红兵

爆破 ›› 2023, Vol. 40 ›› Issue (03) : 31 -38+58.

崔雪姣, 李启月, 陶明, 洪志先, 赵明生, 李杰, 周建敏, 余红兵

作者信息 +

Author information +

文章历史 +

PDF

摘要

现代爆破工程研究中，炸药岩石的匹配模型为揭示爆破过程内在机制和预测爆破系统的经济效益提供了科学依据，已经成为不可替代的重要工具。但由于土岩介质的多样性和复杂性、炸药爆炸过程的不确定性，炸药岩石的相互作用在爆炸过程中就更为复杂和不确定，很难从其相互作用过程来研究炸药与岩石的匹配。早期的研究主要是依靠经验公式与现场试验进行推算总结，往往存在特征值高，适用环境苛刻的情况，而机器学习的特点是只考虑开始和结果，不计较中间过程，这保证了其在炸药岩石匹配模型研究中的普适性。而XGBoost算法结合多线程、数据压缩、分片的方法，具有在数据量大的情况下算法效率较高的优点，适用于数据量较大的现场数据训练学习。鉴于此，依托贵州某矿开展现场试验，采用XGBoost算法建立炸药与岩石匹配系统，通过成功实例对网络进行训练，并将训练过的神经网络应用于实际工程。结果表明：采用这种方法所建立的匹配系统选用的炸药与目前使用的工业炸药性能相近，误差在±10%以内，具有较高的可信度，进一步验证了基于XGBoost算法的炸药岩石匹配系统合理性。