[发明专利]一种利用机器学习预测充填材料强度参数的方法

说明书

本发明公开了一种利用机器学习预测充填材料强度参数的方法，包括步骤：建立数据集，数据集预处理，根据数据集建立充填材料强度参数预测模型，并利用该预测模型进行未知充填材料的强度预测。本发明基于已知充填材料强度参数及其影响因素，利用机器学习预测未知充填材料的强度参数，具有工作量小、成本低、精度高、可靠性高等优点，可用于不同矿山的不同尾矿，大大提高了后续充填设计的效率。

技术领域

本发明涉及矿山充填技术领域，具体涉及一种利用机器学习预测充填材料强度参数的方法。

背景技术

矿山采空区的充填是地下采矿中的重要环节，有利于增加开采后围岩体的稳定性，提高矿物开采率，降低地表沉降，提高开采的安全性。为实现以上目标，充填材料必须具有一定的强度参数，比如一定的单轴抗压抗拉强度。

大量关于充填材料强度参数的实验研究已经开展，使得我们对充填材料强度参数与其影响因素的关系有了初步了解。尽管如此，由于不能根据已有数据进行合理预测，目前的研究结果依然难以满足矿山开采的实际需求。这是因为每个矿山的尾砂具有其特殊性，在充填前依然需要有针对性地进行大量实验研究，不仅消耗了大量的人力和物力，同时积累的实验数据难以实现再利用。

为此，迫切需要提出切实可行的新方法，深入、系统地挖掘已有的充填材料数据，实现充填材料强度参数的预测。

发明内容

针对现有矿山充填技术存在的上述不足，本发明基于充填材料强度参数的影响因素，提出了一种利用机器学习预测充填材料强度参数的方法，不仅能准确预测出充填材料的强度参数，而且精准度和准确度较高，能够广泛应用于工程实际，为后续充填材料的设计提供依据。

为实现上述目的，本发明采用以下技术方案：

一种利用机器学习预测充填材料强度参数的方法，包括步骤：

S1、收集已知充填材料的强度参数，确定对应的影响因素，建立数据集；

S2、对所有数据进行归一化处理，然后将处理后的数据集划分为训练集和测试集两部分；

S3、确定机器学习算法，在整个训练集上建立充填材料强度参数的初始预测模型，并测试该预测模型在测试集上的可靠性，直至预测精度满足要求，得到对应的目标预测模型；

S4、利用目标预测模型对未知充填材料进行强度预测。

优选的，所述步骤S1包括步骤：

S11、选取已知充填材料，确定充填实验方案；

S12、根据上述实验方案制备充填材料试样，并测量其强度参数；

S13、确定影响因素，并整理成数据集。

优选的，所述影响因素包括原材料性质、配比、质量浓度以及养护时间。

优选的，所述数据集划分的方法为随机划分或Kennard-Stone划分。

优选的，所述步骤S2中，所述训练集与所述测试集的比例通过收敛性计算得到。

优选的，所述步骤S3包括步骤：

S31、选择机器学习算法；

S32、利用训练集确定机器学习算法的超参数；

S33、用确定超参数后的机器学习算法在整个训练集上建立充填材料强度参数的初始预测模型，并在测试集上测试该预测模型的可靠性，直至预测精度满足要求，得到对应的目标预测模型。

优选的，所述机器学习算法为决策树、随机森林、神经网络、逻辑回归或支持向量机。

优选的，所述步骤S3中，可靠性的评价指标包括相关系数R或均方根差RMSE，其中，相关系数R计算公式如下：