[发明专利]一种爆破块度预测方法

权利要求书

1.一种爆破块度预测方法，其特征在于：包括如下步骤：

1)形成训练数据集；

2)选择分裂节点；

3)生成第一层随机森林；

4)生成第二层随机森林；

5)第一层随机森林与第二层随机森林的输出依次叠加，得到双层随机森林预测模型的最终输出。

2.根据权利要求1所述的一种爆破块度预测方法，其特征在于：所述步骤1)包括如下步骤：

Step1.1：将爆破试验实际测得的爆破平均块度值作为模型的输出变量，相应爆破试验场次采集到抵抗线距B、钻孔排间距S、台阶高度H、钻孔直径d、堵塞长度L、岩体弹性模量E、原位岩石块度x、爆破单耗q指标作为模型的输入变量，输出变量及输入变量组成训练数据集

Step1.2：使用Step1.1得来的数据集采用Bootstrap方法进行训练样本集重抽样，抽取m个数据样本，随机产生n个训练数据集的子集D，D＝{x_i1,x_i2,…,x_in,y_i}(i∈[1,m])；

在Bootstrap数据集基础上采用Bagging方法进行随机有放回的选择训练数据，然后构造分类器，最后在通过组合学习后的模型来增加整体的采集效果；

Step1.3：在各子集中使用决策树算法，根据“基尼系数最小准则”，选择最优方式进行节点分裂，分裂过程中不剪枝，设单棵决策树预测器f(x，θ_k)的预测结果为f_i(x)，则随机森林回归模型的最终预测结果表示为:式(1)定义了随机森林回归算法建模过程参数集RFP；式(2)用于进行基于随机森林回归的爆破块度预测；

RFP＝{Ntree,Mtry} (1)

其中x表示输入向量，θ_k是表示生成每棵树生长路径的向量，F(x)表示预测的爆破块度，Ntree为模型中决策树树棵数，利用MATLAB脚本语言编写代码并进行不同决策树树棵树Ntree与模型均方误差MSE之间关系仿真计算，Mtry为从特征中随机抽取的特征数目，Mtry值控制了随机森林模型属性的扰动程度，根据以下经验公式计算Mtry值：

Mtry＝[log₂M] (3)

Mtry＝[M/3] (4)

式中：M为模型输入参数的数量；[]表示向下取整运算。

3.根据权利要求2所述的一种爆破块度预测方法，其特征在于：所述步骤2)包括如下步骤：

Step2.1：采用二叉树形式决策树，利用二分递归将数据空间不断划分为不同子集，分类时，假设有K个类，则概率分布的基尼指数为：

其中，p表示样本点的概率，p_k表示样本点属于第K类的概率；

Step2.2：决策树采用GINI系数作为属性分裂的标准，选择基尼系数最低的特征作为根节点，以此类推，选择其余特征基尼系数最小的作为叶节点；

Step2.3：根据训练数据集，从根节点开始，递归地对每个节点进行步骤3)，构建二叉决策树。