爆破块度是衡量爆破效果的主要指标之一,为提高爆破块度的预测效果以提高矿山生产效率,采用鲸鱼算法优化支持向量机进行爆破块度的预测,建立基于鲸鱼算法优化支持向量机的爆破块度预测模型.综合考虑影响爆破块度的内外因,选择岩石块度尺寸XB 和弹性模量E,炸药单耗Pf、炮孔间距S 与炮孔排距B 的比值、炮孔深度H 与炮孔排距B 的比值、炮孔排距B 与炮孔直径D 的比值,以及炮孔堵塞长度T 与炮孔排距B 的比值为模型的输入向量,模型输出为爆破后的岩石平均尺寸X50,收集世界范围内的 97 组爆破数据作为鲸鱼优化算法支持向量机(WOA-SVM)模型的训练集和测试集.结果表明:WOA-SVM 模型的均方误差(MSE)、均方根误差(RMSE)和拟合优度相较于BP神经网络、传统支持向量机模型更优,因此,在实践过程中该模型具有更好的效果.
NETL
NSTL
万方数据
