-
公开(公告)号：CN115840921B
公开(公告)日：2023-05-16
申请号：CN202310159304.1
申请日：2023-02-24
Applicant: 中南大学
IPC: G06F18/2431 , G06F18/214 , G06F18/27 , G01N33/24
Abstract: 本发明涉及基于机器学习的岩体质量分级方法，包括如下步骤：（1）获取钻孔信息，根据钻孔信息建立钻孔图像数据库；（2）设定最小测量计算单位，对每个最小测量计算单位的岩体质量分级指标进行评分并求和，得到岩体质量分级评分；（3）建立岩体质量分级数据库，记录每个钻孔的岩体质量分级指标及岩体质量分级评分；（4）对岩体质量分级数据库基于机器学习方法进行处理，通过训练得到机器学习预测模型；（5）将岩体质量分级指标数据输入机器学习预测模型，得到岩体质量分级结果。本发明的基于机器学习的岩体质量分级方法能够提高钻孔的利用率，并且能够更加快速的得到岩体质量分级结果。
-
公开(公告)号：CN115630257B
公开(公告)日：2023-04-21
申请号：CN202211629158.6
申请日：2022-12-19
Applicant: 中南大学
IPC: G06F17/11 , G06F30/27 , F42D3/04 , G06F119/14
Abstract: 本发明涉及预测方法，具体地涉及一种爆破漏斗体积预测方法，包括如下步骤：A）获取岩石试样的物理力学参数；B）从爆破现场获取实际漏斗爆破参数以及爆破之后的爆破漏斗体积V1，并结合所述物理力学参数构建数据库R；C）所述数据库R通过机器学习算法训练机器学习模型，获得相应的预测模型，从而获得所述预测模型的预测结果，取其平均值作为最终的爆破漏斗体积V2。本发明的爆破漏斗体积预测方法能够通过实验构建爆破漏斗体积预测模型，且预测精度高，工作量小，大大减少了实验的物力和人力的支出，有利于在实际爆破工程中寻求最优的爆破参数。
-
公开(公告)号：CN115860134A
公开(公告)日：2023-03-28
申请号：CN202211425997.6
申请日：2022-11-14
Applicant: 中南大学
IPC: G06N20/00
Abstract: 本发明涉及基于机器学习和极限学习机混合模型的爆破块度预测方法，包括如下步骤：A)获取爆破的原始数据，确定其变量参数，计算各变量参数的偏度值；B)根据偏度值对变量参数进行分类，对各类变量参数基于设定的转换方法进行转化生成新变量参数，对新变量参数基于至少一种机械学习方法进行处理生成新特征数据集；C)根据新特征数据单元确定极限学习机模型隐藏层神经元个数，并据此到得最佳极限学习机模型网络结构，保存最佳极限学习机模型网络结构中对应的权重参数值；D)基于新特征数据集、最佳极限学习机模型网络结构和权重参数值预测爆破平均块度。本发明的基于机器学习和极限学习机混合模型的爆破块度预测方法能够减少运算量，且精度高。
-
公开(公告)号：CN117390973B
公开(公告)日：2024-03-22
申请号：CN202311696938.7
申请日：2023-12-12
Applicant: 中南大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18 , G06F18/2135 , G06F18/27 , G06F119/14
Abstract: 本发明涉及矿山爆破预测方法，提供一种基于多层感知机模型的矿山爆破炮孔利用率预测方法，包括获取矿岩的物理力学参数、爆破设计参数；基于爆破设计参数进行爆破试验，获取爆破之后的炮孔利用率，并结合物理力学参数、爆破设计参数建立原始数据库；应用主成分分析法对原始数据库进行预处理，从而获取目标数据库；基于目标数据库训练多层感知机预测模型，遍历目标数据库中的样本集，计算损失，不断优化模型参数获取炮孔利用率预测模型，评估炮孔利用率预测模型的泛化性能并获取高性能炮孔利用率预测模型，从而获取炮孔利用率的预测结果。本发明基于多层感知机模型的矿山爆破炮孔利用率预测方法能够安全、精准、高效地获取炮孔利用率的预测结果。
-
公开(公告)号：CN116611312A
公开(公告)日：2023-08-18
申请号：CN202310416454.6
申请日：2023-04-18
Applicant: 中南大学
IPC: G06F30/27 , G06N3/0464 , G06N20/00 , G01N3/08 , G01N3/02 , G06F119/14
Abstract: 本发明涉及参数预测方法，具体地涉及一种矿岩力学参数预测方法，包括如下步骤：A)获取矿岩试样的力学参数，所述力学参数包括单轴抗压强度、抗拉强度和黏聚力；B)对开采现场进行钻孔，采集钻孔内壁的图像信息，获得钻孔内的二维地质平面图；C)利用卷积神经网络特征提取模块提取所述二维地质平面图中的岩石的结构特征X，通过所述结构特征X与所述力学参数构建力学数据库；D)通过所述力学数据库构建极限学习机模型，利用所述极限学习机模型预测待检测的矿岩的单轴抗压强度、抗拉强度和黏聚力。本发明的矿岩力学参数预测方法以原始地质信息为依据构建矿岩力学参数预测模型，预测精度和预测效率较高，且节约人力、物力和资金。
-
公开(公告)号：CN115840921A
公开(公告)日：2023-03-24
申请号：CN202310159304.1
申请日：2023-02-24
Applicant: 中南大学
IPC: G06F18/2431 , G06F18/214 , G06F18/27 , G01N33/24
Abstract: 本发明涉及基于机器学习的岩体质量分级方法，包括如下步骤：（1）获取钻孔信息，根据钻孔信息建立钻孔图像数据库；（2）设定最小测量计算单位，对每个最小测量计算单位的岩体质量分级指标进行评分并求和，得到岩体质量分级评分；（3）建立岩体质量分级数据库，记录每个钻孔的岩体质量分级指标及岩体质量分级评分；（4）对岩体质量分级数据库基于机器学习方法进行处理，通过训练得到机器学习预测模型；（5）将岩体质量分级指标数据输入机器学习预测模型，得到岩体质量分级结果。本发明的基于机器学习的岩体质量分级方法能够提高钻孔的利用率，并且能够更加快速的得到岩体质量分级结果。
-
公开(公告)号：CN117390973A
公开(公告)日：2024-01-12
申请号：CN202311696938.7
申请日：2023-12-12
Applicant: 中南大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18 , G06F18/2135 , G06F18/27 , G06F119/14
Abstract: 本发明涉及矿山爆破预测方法，提供一种基于多层感知机模型的矿山爆破炮孔利用率预测方法，包括获取矿岩的物理力学参数、爆破设计参数；基于爆破设计参数进行爆破试验，获取爆破之后的炮孔利用率，并结合物理力学参数、爆破设计参数建立原始数据库；应用主成分分析法对原始数据库进行预处理，从而获取目标数据库；基于目标数据库训练多层感知机预测模型，遍历目标数据库中的样本集，计算损失，不断优化模型参数获取炮孔利用率预测模型，评估炮孔利用率预测模型的泛化性能并获取高性能炮孔利用率预测模型，从而获取炮孔利用率的预测结果。本发明基于多层感知机模型的矿山爆破炮孔利用率预测方法能够安全、精准、高效地获取炮孔利用率的预测结果。
-
公开(公告)号：CN116205532A
公开(公告)日：2023-06-02
申请号：CN202310166328.X
申请日：2023-02-24
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/02
Abstract: 本发明公开一种基于掘进机工况的岩体质量分级方法，包括如下步骤：(1)确定最小的岩体质量评价单元；(2)获取每个最小测量评价单元对应的掘进机工况；(3)计算每个最小测量评价单元的掘进机的掘进速率，并建立掘进机工况记录数据库；(4)基于岩体质量分级标准得到每个最小测量评价单元的岩体质量分级结果；(5)建立岩体质量分级数据库，将每个最小测量评价单元的岩体质量分级指标、岩体质量分级结果和掘进机掘进速率记录至岩体质量分级数据库中；(6)基于岩体质量分级数据库，通过掘进机掘进速率对岩体质量进行实时评级与分级。本发明的基于掘进机工况的岩体质量分级方法能够对岩体质量进行实时评价和分级。
-
公开(公告)号：CN115630257A
公开(公告)日：2023-01-20
申请号：CN202211629158.6
申请日：2022-12-19
Applicant: 中南大学
IPC: G06F17/11 , G06F30/27 , F42D3/04 , G06F119/14
Abstract: 本发明涉及预测方法，具体地涉及一种爆破漏斗体积预测方法，包括如下步骤：A）获取岩石试样的物理力学参数；B）从爆破现场获取实际漏斗爆破参数以及爆破之后的爆破漏斗体积V1，并结合所述物理力学参数构建数据库R；C）所述数据库R通过机器学习算法训练机器学习模型，获得相应的预测模型，从而获得所述预测模型的预测结果，取其平均值作为最终的爆破漏斗体积V2。本发明的爆破漏斗体积预测方法能够通过实验构建爆破漏斗体积预测模型，且预测精度高，工作量小，大大减少了实验的物力和人力的支出，有利于在实际爆破工程中寻求最优的爆破参数。
