CN107506831A - 爆破参数确定方法及系统 - Google Patents

Abstract

本公开涉及一种爆破参数确定方法及系统，该方法包括：获取待爆破场景的场景数据；利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；输出至少一个所述爆破效果预测值对应的爆破参数参考值组。该方法可以根据待爆破场景的场景数据进行爆破参数寻优，从而寻找到较佳以及最佳爆破参数组合，也即找到较佳及最佳的爆破方案。

Description

爆破参数确定方法及系统

技术领域

本公开涉及爆破技术领域，尤其涉及一种爆破参数确定方法及系统。

背景技术

我国能源结构的特点，决定了煤炭将在相当长的一段时间内作为我国主要的能源。经济社会的高速发展对能源的需求量也在不断的增加，在煤矿开采过程中，通常会采用爆破的方式，因此，爆破方案的制定是采矿工作中的重要内容。

爆破方案中的参数选择受很多因素影响。不同的矿区使用的爆破方案都有差异，主要是考虑产量、地质条件、岩石的物理力学性能和地下水环境等。由于不同爆破地点地质条件各不相同，导致爆破方案的设计参数、爆破效果的最终评价都只能依赖现场经验和技术人员的知识水平。如果现场技术人员对爆破参数设计不是很熟悉的话，就很难保证爆破设计的科学性和合理性，进而导致爆破效果与爆破成本的本可控，严重者甚至会出现安全事故，影响安全、高效生产。

发明内容

(一)要解决的技术问题

本申请要解决的技术问题是解决现有的技术人员人工测算爆破方案设计参数存在的问题。

(二)技术方案

为了解决上述技术问题，本申请实施例提供了一种爆破参数确定方法，所述方法包括：

获取待爆破场景的场景数据；

利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；

针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；

输出至少一个所述爆破效果预测值对应的爆破参数参考值组。

可选地，所述方法还包括：

获取历史大量爆破对应的爆破数据，所述爆破数据包括一个爆破参数值组和一个爆破效果值；

获取多个预设爆破参数项；

在获取的所有爆破数据中，选取包含所述多个预设爆破参数项的爆破数据作为爆破样本；

利用支持向量机SVM工具对所有爆破样本进行机器学习，建立支持向量机爆破效果预测模型。

可选地，所述利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组，包括：

在预设爆破专家系统中，查找与所述场景数据对应的爆破规则；

利用所述爆破规则，确定与场景数据相对应的不同爆破参数的参考值取值范围；

在每个爆破参数的参考值取值范围内，按照各自对应的预设取值方式分别选取多个参考值；

将不同爆破参数的参考值进行组合，得到多个爆破参数参考值组。

可选地，所述输出至少一个所述爆破效果预测值相对应的爆破参数参考值组，包括：

获取预设爆破效果阈值；

查找大于所述预设爆破效果阈值的至少一个爆破效果预测值；

将查找到所有爆破效果预测值对应的爆破参数参考值组输出。

可选地，所述输出至少一个所述爆破效果预测值相对应的爆破参数参考值组，包括：

将所有所述爆破效果预测值进行大小排序；

选取排序大的预设数量个爆破效果预测值；

将选取的预设数量个爆破效果预测值对应的爆破参数参考值组输出。

本申请还提供了一种爆破参数确定系统，所述系统包括：

场景数据获取模块，用于获取待爆破场景的场景数据；

确定模块，用于利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；

预测模块，用于针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；

输出模块，用于输出至少一个所述爆破效果预测值对应的爆破参数参考值组。

可选地，所述系统还包括：

历史数据获取模块，用于获取历史大量爆破对应的爆破数据，所述爆破数据包括一个爆破参数值组和一个爆破效果值；

爆破参数项获取模块，用于获取多个预设爆破参数项；

样本选取模块，用于在获取的所有爆破数据中，选取包含所述多个预设爆破参数项的爆破数据作为爆破样本；

建模模块，用于利用支持向量机SVM工具对所有爆破样本进行机器学习，建立支持向量机爆破效果预测模型。

可选地，所述确定模块，包括：

爆破规则查找子模块，用于在预设爆破专家系统中，查找与所述场景数据对应的爆破规则；

取值范围确定子模块，用于利用所述爆破规则，确定与场景数据相对应的不同爆破参数的参考值取值范围；

取值选取子模块，用于在每个爆破参数的参考值取值范围内，按照各自对应的预设取值方式分别选取多个参考值；

组合子模块，用于将不同爆破参数的参考值进行组合，得到多个爆破参数参考值组。

可选地，所述输出模块，包括：

阈值获取子模块，用于获取预设爆破效果阈值；

预测值查找子模块，用于查找大于所述预设爆破效果阈值的至少一个爆破效果预测值；

输出子模块，用于将查找到所有爆破效果预测值对应的爆破参数参考值组输出。

可选地，所述输出模块，包括：

排序子模块，用于将所有所述爆破效果预测值进行大小排序；

预测值选取子模块，用于选取排序大的预设数量个爆破效果预测值；

输出子模块，用于将选取的预设数量个爆破效果预测值对应的爆破参数参考值组输出。

(三)有益效果

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请实施例提供的该方法，首先获取待爆破场景的场景数据；其次利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；然后针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；最后，输出至少一个所述爆破效果预测值对应的爆破参数参考值组

由于该方法在确定爆破参数时，利用支持向量机进行机器学习得到的支撑向量机预测模型，可以定性分析爆破参数与爆破效果之间的复杂非线性关系，爆破效果预测更加准确。在此基础上，结合基于爆破专家系统中的，可以根据待爆破场景的场景数据进行爆破参数寻优，从而寻找到较佳以及最佳爆破参数组合，也即找到较佳及最佳的爆破方案。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种爆破系统的场景图；

图2为本申请实施例提供的一种爆破参数确定方法的流程示意图；

图3为本申请实施例提供的另一种爆破参数确定方法的流程示意图；

图4是本申请实施例提供的一个界面示意图；

图5为本申请实施例提供的一种爆破参数确定系统的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请实施例提供的爆破系统的场景图。

如图1所示，该爆破系统包括：第一终端100、服务器200和第二终端300，其中，第一终端100可以在不同爆破场景获取历史爆破的爆破数据，服务器200可以通过无线通信方式与第一终端100进行通信，在服务器200内可以对历史爆破的爆破数据进行建模等操作，在服务器200内可以存储有爆破专家系统等数据库，第二终端300为与待爆破场景对应的处理设备，第二终端300可以直接与服务器200直接连接，也可以通过无线通信方式与服务器200进行通信，第二终端300 一方面可以接收待爆破场景的场景数据，另一方面可以从服务器中获取建模模型或其它辅助确定爆破参数的数据，进而第二终端300可以根据获取到的数据最终确定待爆破场景的爆破参数。

在本申请施例中，当待爆破场景没有对应的处理设备时，还可以采用远程的方式进行，即，将第二终端300的功能由服务器200来替代，相应地，需要将待爆破场景的场景数据发送给服务器200，由服务器200综合处理后，输出待爆破场景的爆破参数。

图2为本申请实施例提供的一种爆破参数确定方法的流程示意图。

如图2所示，本申请实施例提供的该方法可以包括以下步骤：

S101，获取待爆破场景的场景数据。

在进行爆破时，不同的场景的现场条件对爆破的影响较大，例如：在地上爆破时，爆破场景的地质情况对爆破影响较大，在地下爆破时，待爆破场景的围岩地质情况以及巷道的尺寸形状等条件对爆破的影响较大。所有，在进行爆破前，需要获取待爆破场景现场的场景数据。

在本申请实施例中，场景数据具体可以包括：地质条件和生产条件，例如：巷道尺寸、围岩力学性质、瓦斯含量等。

S102，利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组。

专家系统是在狭窄问题领域具有专家水平的计算机程序，基于规则的专家系统，是目前应用最广泛的专家系统。将知识表示为规则，进而构建知识库、数据库、推理引擎、解释设备和用户界面，从而构建基于规则的专家系统。

爆破专家系统知识库是爆破专家系统的重要组成部分，它是用来存储知识、管理知识并推理。爆破专家系统知识库中主要存储爆破参数，例如爆破孔网参数、炸药单耗参数、抵抗线参等知识。这些专业知识需要加以模型化才能在计算机系统中进行实现。

在爆破方案设计过程中需要首先了解周围的围岩地质情况以及巷道的尺寸形状等初始条件，因此，对于由专家经验得到的爆破设计方案(或按规则计算的爆破方案)需要按不同的地质等初始条件进行分类整理，并将搜索方法编写在计算机的计算方法中，以便在设计过程中按当前巷道的围岩地质条件进行爆破方案的搜索。

S103，针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值。

爆破参数优化就是在保证巷道的安全和正常使用的前提下，通过合理选择爆破参数，达到最经济的目的。爆破效果与爆破参数之间存在着密切的关系，在满足爆破效果最优的前提下，必定存在着一组爆破参数，使得爆破最优，爆破参数优化的目的就是在于寻找这一组爆破参数。但爆破效果与爆破参数之间存在的复杂非线性映射关系，通过支持向量机来表达他们之间的映射关系，可以解决爆破效果预测的问题。

在本申请实施例中，利用支持向量机进行机器学习，定性分析爆破参数与爆破效果之间的复杂非线性关系，可以得到支持向量机爆破效果预测模型，进而，在该步骤中，利用训练好的模型进行效果预测，得到的爆破效果预测结果准确。

S104，输出至少一个所述爆破效果预测值对应的爆破参数参考值组。

由于得到的爆破效果预测值有多个，在本申请实施例中，可以将其中至少一个爆破效果预测值对应的爆破参数值组输出。

本申请实施例提供的该方法，首先获取待爆破场景的场景数据；其次利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；然后针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；最后，输出至少一个所述爆破效果预测值对应的爆破参数参考值组

由于该方法在确定爆破参数时，利用支持向量机进行机器学习得到的支撑向量机预测模型，可以定性分析爆破参数与爆破效果之间的复杂非线性关系，爆破效果预测更加准确。在此基础上，结合基于爆破专家系统中的，可以根据待爆破场景的场景数据进行爆破参数寻优，从而寻找到较佳以及最佳爆破参数组合，也即找到较佳及最佳的爆破方案。

在本申请实施例中，在图2所示方法实施例的基础上，如图3所示，该方法还可以包括以下步骤：

S201，获取历史大量爆破对应的爆破数据。

每个历史爆破对应爆破数据均包括一个爆破参数值组和一个爆破效果值。

S202，获取多个预设爆破参数项。

为了避免出现机器学习精度不足或者无法学习的情况，爆破参数的类型不可以过少或过多，针对巷道爆破而言，经过实际建立SVM (Support Vector Machine，支持向量机)的摸索，最终确定了以下几项作为最终选取的预设爆破参数项包括：①掏槽类型；②掏槽眼间距；③掏槽眼药量；④周边眼间距；⑤周边眼药量；⑥眼深；⑦辅助眼圈数。

利用支持向量机进行机器学习时，如果参数选取过多，考虑到样本量的限制，SVM的学习效果难以达到令人满意的水平，甚至难以得到准确的爆破参数-爆破效果关系；而参数过少的话，机器学习的准确性必定受到影响。经过实际构建多种爆破参数项组合的SVM，可以得到，参数项类别在5～8种时，准确度和学习时间达到最佳效率平衡，即在计算时间可以接受的情况下准确度最高。其次，通过这七种爆破参数项，可以推导出没有给出的其他参数项，如辅助眼间距、辅助眼药量、炸药单耗等等。最终构建的数据库如表1.1所示：

表1.1

其中：掏槽方式1表示楔形掏槽，2表示直眼掏槽，图中各参数的单位均为本领域技术人员公知技术，在此不再一一注明。

S203，在获取的所有爆破数据中，选取包含所述多个预设爆破参数项的爆破数据作为爆破样本。

S204，利用支持向量机SVM工具对所有爆破样本进行机器学习，建立支持向量机爆破效果预测模型。

在使用SVM构建机器学习之前，需要先用数学形式表达需要求解的优化问题。使用数学形式描述的优化问题如下：x为一组爆破参数，是一个向量，x＝[1 1.1 0.3 0.33 23]，F(x)为该爆破方案下的进尺， W(x)为该爆破方案下对应的工时，数学模型可以被描述为：W(x)满足三八制条件约束下，求F(x)的最大值及其对应的x，公式如下：

为了将约束优化问题转化为无约束优化问题，采用惩罚函数P(x)，公式变为：

采用MATLAB平台进行SVM的构建，因为MATLAB有强大的工具包扩展。但是MATLAB自带的SVM工具包仅支持二分分类器，本文采用了中国台湾大学林智仁(Lin Chih-Jen)教授开发的LibSVM软件包，其特点是简单明了、易于操作，它不仅提供了已编译完成的Windows系统执行文件(.exe,.mexw64),还提供了源代码(.java,.py.c,.m)方便不同的操作平台(java,python,C,MATLAB)对其进行编辑、修改、改进。LibSVM另外一个特点就是提供了供参考的默认参数以及交互检验(cross validation)功能。LibSVM可以解决包括C-SVC、n-SVC的分类问题、包括e-SVR、n-SVR的回归问题以及one-class-SVM分布估计等问题，可以使用线性核函数、多项式核函数、径向基核函数和S 形核函数四种常用的核函数，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。

LibSVM的一般使用过程为：①按照软件包要求的格式准备数据；②缩放数据；③选择适当的核函数；④选取参数；⑤进行训练；⑥使用样本检测训练完毕后预测精度。

在一个具体案例中，选取42个数据完整且有代表性历史爆破方案，首先，在MATLAB中构建符合LibSVM数据格式要求的数据矩阵blast，矩阵每一行代表一个爆破方案，42个爆破方案，输入完毕后的矩阵 (42*7)，其显示界面图如图4所示。

这42组爆破方案所对应的爆破效果以炮眼利用率为准，可以分为好中坏三类，按照炮眼利用率对其进行划分，90％以上为好，标记为1 类；85％至90％为中，标记为2类；85％以下为差，标记为3类。将标记结果保存为一42*1的矩阵blast_labels。在完成数据的整理后，应当进行数据缩放，这是为了防止某个特征值过大或过小，从而导致的各特征项在训练中起的作用不平衡，但是因为本文所使用的数据不存在某一特征值数据过大或过小的问题，而且数据缩放后，训练结果并没有明显差别。所以，为了便于输出某一组爆破参数，省略了数据缩放的过程。

然后，就是对准备完成的数据进行训练，本文选取30组数据进行训练，使用剩下的12组数据进行预测，验证其准确性，本文使用多元分类器(C-SVC)和径向基核函数

(K(x,x_i)＝exp(γ||x-x_i||²，γ＞0)，本申请经过PSO(Particle SwarmOptimization，粒子群优化算法)的自动寻优，确定了当多元分类器参数和核函数的系数的取值为10和0.075时，训练结果最佳，即预测准确性最高。

最终系统输出结果如下：

optimization finished,#iter＝10

nu＝0.601874

obj＝-99.877323,rho＝0.511390

nSV＝12,nBSV＝10

*

optimization finished,#iter＝14

nu＝0.419132

obj＝-52.711758,rho＝-0.395931

nSV＝10,nBSV＝7

*

optimization finished,#iter＝16

nu＝0.761905

obj＝-135.918691,rho＝-0.822148

nSV＝18,nBSV＝15

Total nSV＝25

Accuracy＝91.6667％(11/12)(classification)

输出结果中，#iter是迭代次数，nu是选择的核函数类型的参数， obj为SVM文件转换为的二次规划求解得到的最小值，rho为判决函数的偏置项，nSV是标准支持向量个数，nBSV是边界上的支持向量个数，Total nSV是支持向量总个数，Accuracy是准确度。

可以看出，训练完成的SVM，准确度达到了91.67％，具体的预测结果与实际对比如表1.2所示：

表1.2

可以看出，12组爆破方案，只有第6组的预测错误了，实际爆破情况是2类，可SVM预测的爆破结果是3类。此外，对于所有1类爆破方案，即爆破效果为好的方案，SVM全部预测成功。因此，本申请基于SVM构建的爆破效果分类器，训练效果良好，可以从爆破方案中准确地分出循环进尺在90％以上的优秀方案。

该步骤的关键是找到合适的SVM工具以及确定核函数的种类以及松弛变量的值，使得分类精度达到最高。

在本申请一个实施例中，前述图2所示实施例中的步骤S102可以包括以下步骤：

S301，在预设爆破专家系统中，查找与所述场景数据对应的爆破规则。

S302，利用所述爆破规则，确定与场景数据相对应的不同爆破参数的参考值取值范围。

S303，在每个爆破参数的参考值取值范围内，按照各自对应的预设取值方式分别选取多个参考值。

由于预设爆破专家系统中，已经搜集了大量的爆破专家知识，所以本申请中使用基于专家知识归纳总结形成的爆破规则和MATLAB的自动生成随机矩阵的功能，将两者结合，形成爆破参数自动设计模块。根据收集到的专家知识，总结出爆破设计的简单规则，如顶板完整性良好的巷道，炮眼深度可以达到2.4米；瓦斯含量为0的巷道，可以采用反向装药的模式爆破；巷道岩石普氏系数达到10以上，周边眼间距应控制在400mm以内；等等。地质条件、生产条件，如巷道尺寸、围岩力学性质、瓦斯含量等，与爆破参数，如掏槽方式、掏槽眼药量、掏槽眼间距等，之间的关系做一定性的规定，使这些爆破参数只能在一定范围内取值，在此基础上，MATLAB自动生成随机矩阵的功能，可以轻易生成几十万、几百万、乃至上千万的爆破方案，爆破方案包括一个爆破参数组。

S304，将不同爆破参数的参考值进行组合，得到多个爆破参数参考值组。

将这些爆破方案中的任意一组爆破参数参考值构成的矩阵放入已经训练完毕的SVM预测模块中，电脑可以很快地将这些方案的效果进行预测，此时再根据输入的条件，输出最符合当前掘进巷道实际情况的爆破方案，从而实现爆破参数寻优的功能。

当通过人机交互模块输入的巷道情况加上整理出的爆破规则，选择出最合适的方案。举例而言，当巷道顶板完整性优良时，眼深取区间内最大值。此时必定还有多组方案待选，为了节省工时，再选择辅助眼圈数最少的方案。如果此时还有多组待定，再处于节省炸药成本的考虑，选择装药量最少的方案。通过这种基于规则的选择方法，就可以输出最适合煤矿巷道实际情况的爆破方案。

在本申请实施例中，前述图2中所示的步骤S104可以包括以下步骤：

获取预设爆破效果阈值；

查找大于所述预设爆破效果阈值的至少一个爆破效果预测值；

将查找到所有爆破效果预测值对应的爆破参数参考值组输出。

在本申请实施例中，前述图2中所示的步骤S104可以包括以下步骤：

将所有所述爆破效果预测值进行大小排序；

选取排序大的预设数量个爆破效果预测值；

将选取的预设数量个爆破效果预测值对应的爆破参数参考值组输出。

在输出爆破参考参考值时，可以采样上述两种方式，将至少一组爆破参数参考值输出。在实际使用时，当输出多个爆破参数参考值组时，用户可以在这多个爆破参数参考值中选取一个作为目标爆破参数。

图5为本申请实施例提供的一种爆破参数确定系统的结构示意图。

如图5所示，该系统包括：

场景数据获取模块11，用于获取待爆破场景的场景数据；

确定模块12，用于利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；

预测模块13，用于针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；

输出模块14，用于输出至少一个所述爆破效果预测值对应的爆破参数参考值组。

在本申请一个实施例中，所述系统还包括：

历史数据获取模块，用于获取历史大量爆破对应的爆破数据，所述爆破数据包括一个爆破参数值组和一个爆破效果值；

爆破参数项获取模块，用于获取多个预设爆破参数项；

样本选取模块，用于在获取的所有爆破数据中，选取包含所述多个预设爆破参数项的爆破数据作为爆破样本；

建模模块，用于利用支持向量机SVM工具对所有爆破样本进行机器学习，建立支持向量机爆破效果预测模型。

在本申请一个实施例中，所述确定模块，包括：

爆破规则查找子模块，用于在预设爆破专家系统中，查找与所述场景数据对应的爆破规则；

取值范围确定子模块，用于利用所述爆破规则，确定与场景数据相对应的不同爆破参数的参考值取值范围；

取值选取子模块，用于在每个爆破参数的参考值取值范围内，按照各自对应的预设取值方式分别选取多个参考值；

组合子模块，用于将不同爆破参数的参考值进行组合，得到多个爆破参数参考值组。

在本申请一个实施例中，所述输出模块，包括：

阈值获取子模块，用于获取预设爆破效果阈值；

预测值查找子模块，用于查找大于所述预设爆破效果阈值的至少一个爆破效果预测值；

输出子模块，用于将查找到所有爆破效果预测值对应的爆破参数参考值组输出。

在本申请一个实施例中，所述输出模块，包括：

排序子模块，用于将所有所述爆破效果预测值进行大小排序；

预测值选取子模块，用于选取排序大的预设数量个爆破效果预测值；

输出子模块，用于将选取的预设数量个爆破效果预测值对应的爆破参数参考值组输出。

为了描述的方便，描述以上装置时以功能分为各种单元/模块分别描述。当然，在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种爆破参数确定方法，其特征在于，所述方法包括：

获取待爆破场景的场景数据；

利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；

针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；

输出至少一个所述爆破效果预测值对应的爆破参数参考值组。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取历史大量爆破对应的爆破数据，所述爆破数据包括一个爆破参数值组和一个爆破效果值；

获取多个预设爆破参数项；

在获取的所有爆破数据中，选取包含所述多个预设爆破参数项的爆破数据作为爆破样本；

利用支持向量机SVM工具对所有爆破样本进行机器学习，建立支持向量机爆破效果预测模型。

3.根据权利要求1所述的方法，其特征在于，所述利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组，包括：

在预设爆破专家系统中，查找与所述场景数据对应的爆破规则；

利用所述爆破规则，确定与场景数据相对应的不同爆破参数的参考值取值范围；

在每个爆破参数的参考值取值范围内，按照各自对应的预设取值方式分别选取多个参考值；

将不同爆破参数的参考值进行组合，得到多个爆破参数参考值组。

4.根据权利要求1或2所述的方法，其特征在于，所述输出至少一个所述爆破效果预测值相对应的爆破参数参考值组，包括：

获取预设爆破效果阈值；

查找大于所述预设爆破效果阈值的至少一个爆破效果预测值；

将查找到所有爆破效果预测值对应的爆破参数参考值组输出。

5.根据权利要求1或2所述的方法，其特征在于，所述输出至少一个所述爆破效果预测值相对应的爆破参数参考值组，包括：

将所有所述爆破效果预测值进行大小排序；

选取排序大的预设数量个爆破效果预测值；

将选取的预设数量个爆破效果预测值对应的爆破参数参考值组输出。

6.一种爆破参数确定系统，其特征在于，所述系统包括：

场景数据获取模块，用于获取待爆破场景的场景数据；

确定模块，用于利用预设爆破专家系统和所述场景数据，确定与所述待爆破场景对应的多个爆破参数参考值组；

预测模块，用于针对每个爆破参数参考值组，利用预先设置的支持向量机爆破效果预测模型预测爆破效果，分别得到一个爆破效果预测值；

输出模块，用于输出至少一个所述爆破效果预测值对应的爆破参数参考值组。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

历史数据获取模块，用于获取历史大量爆破对应的爆破数据，所述爆破数据包括一个爆破参数值组和一个爆破效果值；

爆破参数项获取模块，用于获取多个预设爆破参数项；

样本选取模块，用于在获取的所有爆破数据中，选取包含所述多个预设爆破参数项的爆破数据作为爆破样本；

建模模块，用于利用支持向量机SVM工具对所有爆破样本进行机器学习，建立支持向量机爆破效果预测模型。

8.根据权利要求6所述的系统，其特征在于，所述确定模块，包括：

爆破规则查找子模块，用于在预设爆破专家系统中，查找与所述场景数据对应的爆破规则；

取值范围确定子模块，用于利用所述爆破规则，确定与场景数据相对应的不同爆破参数的参考值取值范围；

取值选取子模块，用于在每个爆破参数的参考值取值范围内，按照各自对应的预设取值方式分别选取多个参考值；

组合子模块，用于将不同爆破参数的参考值进行组合，得到多个爆破参数参考值组。

9.根据权利要求6或7所述的系统，其特征在于，所述输出模块，包括：

阈值获取子模块，用于获取预设爆破效果阈值；

预测值查找子模块，用于查找大于所述预设爆破效果阈值的至少一个爆破效果预测值；

输出子模块，用于将查找到所有爆破效果预测值对应的爆破参数参考值组输出。

10.根据权利要求6或7所述的系统，其特征在于，所述输出模块，包括：

排序子模块，用于将所有所述爆破效果预测值进行大小排序；

预测值选取子模块，用于选取排序大的预设数量个爆破效果预测值；

输出子模块，用于将选取的预设数量个爆破效果预测值对应的爆破参数参考值组输出。