1.一种基于BP神经网络预测台阶爆破抛掷效果的方法,其特征在于:包括如下步骤:步骤一:根据实际工况设计多组试验模型,开展不同组别下试验,并记录试验数据;
步骤二:构建BP神经网络模型:以台阶高度、煤层厚度、采空区上口宽度、最小抵抗线、孔距、排距、孔间微差时间、煤层坡角作为输入参数,以抛掷率、爆堆松散系数、最远抛距作为输出参数,并其进行归一化处理;
步骤三、确定BP神经网络的结构参数:对归一化处理后的输入参数、输出参数进行预处理,然后把预处理后的输入参数、输出参数分为训练样本集和测试样本集;用训练样本集中的数据对BP神经网络模型进行训练,并调整BP神经网络模型的网络参数,训练成功后,用测试数据集中的数据对训练后的BP神经网络模型进行测试,以验证神经网络模型的正确性;
步骤四、使用训练完成的BP神经网络模型对指定工况下台阶爆破抛掷情况进行预测,判断爆破方案可行性,并决定是否满足抛掷要求。
2.根据权利要求1所述的一种基于BP神经网络预测台阶爆破抛掷效果的方法,其特征在于:步骤一中,每组试验模型都包括抛掷爆破台阶(1)、采空区(2)、倒堆堆积体(3)、背景格子板(4),抛掷爆破台阶(1)上布置下向炮孔(1.2),模拟煤层(1.1)位于抛掷爆破台阶(1)正下方,的背景格子板(4)竖立于抛掷爆破台阶(1)、采空区上口(2)、倒堆堆积体(3)后方。
3.根据权利要求1所述的一种基于BP神经网络预测台阶爆破抛掷效果的方法,其特征在于:步骤一中,不同组别下试验为:通过调整最小抵抗线、孔距、排距、主控排孔间微差时间、煤层坡角、炸药单耗中的一个或两个以上的值,进行多组试验。
4.根据权利要求1所述的一种基于BP神经网络预测台阶爆破抛掷效果的方法,其特征在于:选用的BP神经网络类型为单隐层BP神经网络,用训练样本集中的数据对其进行训练,每次训练都对训练样本集中的数据重新排序,达到误差容限或训练次数上限就停止训练。
5.根据权利要求1所述的一种基于BP神经网络预测台阶爆破抛掷效果的方法,其特征在于:步骤三中,对训练后的BP神经网络模型进行测试时,利用仿真函数来获得网络输出进行网络模型测试,然后检查输出和真实值之间的误差是否满足要求。