摘要
本发明提供一种基于岩体结构特征的可爆性分区方法,属于矿山爆破技术领域,包括:从矿山采区采集样本进行测试,获得矿山采区的岩石物理力学特性和岩体结构信息,并根据深度预测引擎、机器学习模型反演隐伏结构面空间分布,提取结构面空间分布参数;对提取的结构面空间分布参数进行量化和归一化处理;基于PFC离散元方法构建爆破模拟模型,动态调整节理填充参数,以结构面空间分布参数为变量,模拟爆破过程并输出块度分布参数;通过随机森林回归算法计算结构面参数对块度分布的影响权重;根据权重,重新定义综合敏感度指数,对爆区进行2.5m×2.5m网格划分,结合地质构造约束计算可爆性评分,得到最终分区准则表,划分实际采区三级可爆性分区。
技术关键词
岩体结构特征
分区方法
随机森林
参数
岩石物理力学
机器学习模型
充填系数
指数
拉丁超立方抽样
矿山爆破技术
回归算法
模拟模型
误差
样本
间距
露天矿区
置信度阈值
因子权重