[发明专利]一种基于深度神经网络的露天台阶爆破预测方法

权利要求书

1.一种基于深度神经网络的露天台阶爆破预测方法，其特征在于，所述方法包括：

一、将拟爆破区域划分出矿区爆破台阶；

二、获取已爆破区域的外部参数；

三、利用不同的爆破经典理论公式计算出多组爆破参数，假设为N组，每组爆破参数分别与外部参数组合，形成一个待预测样本，得到N组待测样本；

四、建立由特征提取器和度量学习器组成的多尺度关系网络结构，得到一个多尺度关系网络元学习深度神经网络；

五、将N组待测测样本分别使用所述的多尺度关系网络元学习深度神经网络进行预测，得到N组预测结果。

六、根据当前爆破需要，对所有预测结果进行综合计算得到总评分；选出总评分最合适的样本i；

七、选取i样本的爆破参数，即为预测结果。

2.如权利要求1所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于所述的拟爆破区域与已爆破区域位于同一座矿山中。

3.如权利要求1或2所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于步骤四中所述的建立多尺度关系网络结构是先利用特征提取器提取支持集和目标集的特征，然后利用度量学习器计算支持集和目标集中图片之间相似度。

4.如权利要求3所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于步骤四中所述的建立多尺度关系网络结构是先利用特征提取器分别提取支持集和目标集的多尺度特征，然后将这些多尺度特征拼接成关系特征，最后度量学习器学习这些关系特征后计算出关系分数，即一次少样本图像分类任务的结果，得到一个多尺度关系网络元学习深度神经网络。

5.如权利要求4所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于所述的拼结是对支持集的每个类别的样本特征求均值，然后再将其与目标集的样本特征进行结合。

6.如权利要求5所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于所述的特征提取器是去掉全连接层的CNN，它由四个卷积模块组成，每个卷积模块即为一卷积层。

7.如权利要求6所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于所述的特征提取器是从每个卷积层中提取支持集和目标集的多尺度特征。

8.如权利要求1或2或4或5或6或7所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于所述的外部参数是岩体描述、爆破图样尺寸、钻模、炸药量、炸药类型、炮孔水状况、炮孔长度、台阶高度和雷管。

9.如权利要求1或2或4或5或6或7所述的一种基于深度神经网络的露天台阶爆破预测方法，其特征在于每组爆破参数是孔距排距、钻孔信息、装药信息和起爆网路信息。