本发明公开了一种基于数据增强的神经网络的爆破块度预测方法，包括：采集某地区矿山爆破产生的数据；利用特征工程选择重要的爆破特征；建立神经网络模型；基于数据增强、参数优化方法建模和分析。本专利提出基于随机森林、皮尔逊相关系数相结合的方法进行特征筛选，该方法不仅保留了和目标值特性相关性较强的特征，而且克服了随机森林对关联特征重要性度量不稳定的缺点；采用数据增强的方法，在训练过程中以K折交叉验证为基本框架，每一折交叉验证的过程中，仅对训练数据进行数据增强，验证集保持不变，保证了模型学习更多更充分的样本，增强了模型的鲁棒性。本发明克进一步提高了爆破块预测的准确性和可靠性。
声明：
“基于数据增强的神经网络的爆破块度预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1122
编辑：管理员
来源：北方有色网
咨询细节
