[发明专利]基于RGA-BPNNG的爆破峰值速度预测方法、装置及介质

权利要求书

1.一种基于RGA-BPNNG的爆破峰值速度预测方法，其特征在于，包括：

获取待爆破地区的爆破特征参数；

依据所述爆破特征参数和预设的随机GA-BP神经网络群爆破峰值速度预测模型，预测待爆破地区的爆破峰值速度；其中，所述预设的随机GA-BP神经网络群爆破峰值速度预测模型为通过已爆破地区历史爆破特征参数对随机GA-BP神经网络群进行训练后得到。

2.根据权利要求1所述的基于RGA-BPNNG的爆破峰值速度预测方法，其特征在于，所述预设的随机GA-BP神经网络群爆破峰值速度预测模型为通过已爆破地区历史爆破特征参数对随机GA-BP神经网络群进行训练后得到，具体包括：

获取已爆破地区历史爆破特征参数及爆破峰值速度；

基于已爆破地区历史爆破特征参数及其对应的爆破峰值速度构建爆破样本集；

通过随机有放回的抽样方法从所述爆破样本集中抽取N组子训练集及对应的子测试集，N为预设值；

以爆破特征参数为输入，以对应的爆破峰值速度为输出，用N组子训练集分别对GA-BP神经网络进行训练，得到N个GA-BP神经网络爆破峰值速度预测模型；其中，每训练得到一个GA-BP神经网络爆破峰值速度预测模型，均使用对应的子测试集对该GA-BP神经网络爆破峰值速度预测模型分别进行检验；若该GA-BP神经网络爆破峰值速度预测模型的预测误差超过预设值，则重新随机从所述爆破样本集中抽取一组子训练集及对应的子测试集，利用该组子训练集建立一个GA-BP神经网络爆破峰值速度预测模型，并使用对应的子测试集对其进行检验，直到得到的GA-BP神经网络爆破峰值速度预测模型的预测误差未超过预设值；

根据N个GA-BP神经网络爆破峰值速度预测模型各自的预测误差计算其各自对应的权重，基于N个GA-BP神经网络爆破峰值速度预测模型建立随机GA-BP神经网络群爆破峰值速度预测模型，该随机GA-BP神经网络群爆破峰值速度预测模型输出的爆破峰值速度预测值为N个GA-BP神经网络爆破峰值速度预测模型各自的输出与其对应的权重的乘积之和。

3.根据权利要求2所述的基于RGA-BPNNG的爆破峰值速度预测方法，其特征在于，所述GA-BP神经网络为通过遗传算法对BP神经网络进行优化后得到，具体包括：

A1、随机生成多组BP神经网络的权值和阈值，并对权值和阈值进行编码；

A2、对多组权值和阈值分别进行适应度评价；

A3、若存在一组或多组权值和阈值对应的评价结果达到要求，即BP神经网络输出层输出的爆破峰值速度预测值的误差在预设范围内，则选择BP神经网络输出层输出的爆破峰值速度预测值误差最小的所对应的一组权值和阈值作为最优权值和最优阈值，将最优权值和最优阈值作为BP神经网络的权值和阈值，得到GA-BP神经网络；若没有一组权值和阈值对应的评价结果达到要求，则对多组权值和阈值进行选择、交叉、变异，产生新的多组权值和阈值，并返回步骤A2。

4.根据权利要求2所述的基于RGA-BPNNG的爆破峰值速度预测方法，其特征在于，所述获取已爆破地区历史爆破特征参数及爆破峰值速度后还包括，对获取的爆破特征参数及爆破峰值速度进行标准化预处理。

5.根据权利要求1至4任一项所述的基于RGA-BPNNG的爆破峰值速度预测方法，其特征在于，所述爆破特征参数包括每延迟最大单段药量、爆炸面到监测点之间的距离、监测点至爆心的高程差。

6.一种基于RGA-BPNNG的爆破峰值速度预测装置，其特征在于，包括：

第一数据获取模块，用于获取待爆破地区的爆破特征参数；

爆破峰值速度预测模块，用于依据所述爆破特征参数和预设的随机GA-BP神经网络群爆破峰值速度预测模型，预测待爆破地区的爆破峰值速度；其中，所述预设的随机GA-BP神经网络群爆破峰值速度预测模型为通过已爆破地区历史爆破特征参数对随机GA-BP神经网络群进行训练后得到。