[发明专利]一种GIS支持下的金属矿爆堆位移提取及预测方法

摘要

本发明首先对露天矿山爆堆数字高程模型进行构建，并基于露天矿山数字高程模型确定爆堆中心、爆堆形态变化空间分布进行度量，最后基于广义回归神经网络对爆堆位移情况进行预测。本发明将地理学的相关理论和技术方法用于解决矿山生产问题，将地理、地质、矿业工程等学科进行有机的融合，基于点云数据建立预测模型，实现对爆破后的爆堆位移的准确预测，将爆堆位移作为矿体位移叠加到矿体边界上，实现对矿体的二次圈定。在促进该领域研究进步的同时，也为江西省德兴铜矿的生产提供有益的指导和帮助，减少矿山开采的贫化损失，提高矿山的经济效益。

主权项

1.一种GIS支持下的金属矿爆堆位置提取及预测方法，其特征在于：步骤一：基于三维激光扫描数据构建露天矿山数字高程模型；步骤二：基于露天矿山数字高程模型确定爆堆中心，包括：(1)采用坡度算法对栅格形式的爆堆表面模型进行处理，对每个栅格单元通过式①和式②分别计算其在高程值在x方向和y方向的坡度，假设中心像元的高程为e，其周围8个像元的高程值为a、b、c、d、f、g、h、i。通过式③计算该栅格单元的坡度，得到爆堆的坡度：(2)利用图像分割技术，对爆破现场的坡度进行识别，得到爆破前的地表地性线位置；再结合末排爆孔位置，共同确定爆破前的岩石初始位置；(3)对爆破前后现场的表面模型进行空间叠置，对高程值进行相减，得到高程变化值的空间分布图，接着，求高程变化的坡度值，得到高程变化率的空间分布图，最后对该图进行图像识别，提取空间变化率发生变化的范围，就是爆破后地表形变的范围；步骤三：基于误差椭圆的爆堆形态变化空间分布度量；步骤四：基于广义回归神经网络的爆堆位移预测：建立交叉验证法优化的GRNN模型，用交叉验证法和循环法确定GRNN模型误差最小时的样本和光顺因子；利用灰色关联理论(GRA)，从多个影响因素中选取主要的影响因素，提高模型的精度及适应能力，以此对爆堆位移情况进行预测。