[发明专利]矿山凿岩装备作业工时智能预测方法

权利要求书

1.一种矿山凿岩装备作业工时智能预测方法，其特征在于，该预测方法包括以下步骤：

步骤1、采集一定量的矿山凿岩装备作业工时历史数据，并对影响作业工时的因素进行Pearson相关性分析，从而选择一定置信度水平下的无相关影响的因素作为工时预测模型中的变量；

步骤2、根据采集的某一影响因素变化条件下的凿岩装备作业工时，绘制作业工时的散点分布图；

步骤3、采用Origin软件进行拟合操作，确定单一变量情况下的凿岩装备作业工时函数计算关系式；

步骤4、将所述步骤3得到的函数关系式通过线性叠加并加上误差项，构建多变量共同作用下的作业工时预测模型；

步骤5、将所述步骤1中经过Pearson相关性分析得到的凿岩装备作业工时历史数据分为训练样本和测试样本，并按交叉验证分类法将训练样本变换为k个相互独立且不相交的子集，并进行k(k-1)/2次交叉验证；

步骤6、将训练样本数据进行k(k-1)/2次交叉验证，利用改进的差分进化算法计算作业工时预测模型的变量参数值，再利用测试样本对作业工时预测模型的泛化能力进行测试。

2.根据权利要求1所述的矿山凿岩装备作业工时智能预测方法，其特征在于：

所述步骤2中采集某一影响因素变化条件下凿岩装备作业工时包括：动态调整某一影响因素的量化值，不予控制相同置信度水平下具有相关性的影响因素，保证采集的凿岩装备作业工时实际数据的完整性，并将无相关性影响因素的量化值看作常量；并利用此过程采集每种无相关影响的因素变化条件下的凿岩装备作业工时数据n组，每组采集m次。

3.根据权利要求2所述的矿山凿岩装备作业工时智能预测方法，其特征在于：

所述步骤3中确定单一变量情况下的凿岩装备作业工时函数计算关系式的方法包括：选取单一变量的n组样本数据中，假定每组样本数据都服从高斯分布采用最大似然估计值作为凿岩装备作业工时的预测值然后获得最大似然估计后的相关变量与作业工时散点图；

对单因素变量分析中样本数据散点图出现波动较大的情况，采用三次样条曲线插值法进行平滑，

对于单因素变量分析中样本数据波动较小而数据点较为分散的情况，采用Lagrange插值法进行插值；采用插值方法在增加样本数据点个数的同时，利用origin软件的函数拟合得到单因素变量与凿岩装备作业工时的函数关系式为

4.根据权利要求3所述的矿山凿岩装备作业工时智能预测方法，其特征在于：

所述步骤4中构建多变量共同作用下的作业工时预测模型的方法包括：根据所述步骤3得到的单因素变量与凿岩装备作业工时的函数关系式单一因素变量函数关系中可能包含有多个参数因子，用θ_j表示，再将该函数关系式通过线性叠加并加上误差项，最终构建出带未知参数的凿岩装备作业工时预测模型为t＝∑_Jf_j(x_j，θ_j)+ε＝f(x，θ)+ε，其中向量θ的元素数量大于向量x，ε是误差项，期望E(ε)＝0。

5.根据权利要求1所述的矿山凿岩装备作业工时智能预测方法，其特征在于：

所述步骤5中将所述步骤1得到的凿岩装备作业工时历史数据分为训练样本和测试样本的方法包括：

步骤5.1、随机选取凿岩装备作业工时历史数据样本集的20％数据作为测试样本，余下的全部数据作为训练样本；

步骤5.2、将训练样本分为没有交集的k组子集，随机选取两组作为验证样本，再进行k(k-1)/2次交叉验证，以降低测试样本的泛化误差。