基于BP神经网络理论的岩石硬度识别

摘要

岩石硬度是露天矿山爆破参数设计的重要依据,为了精确判断岩石硬度,以l190E型牙轮钻机为研究对象,利用传感器采集钻机的工作参数,通过现场取样和室内试验获得对应的岩石硬度,分别运用2层和3层结构的BP神经网络建立岩石硬度的识别模型.研究发现当BP神经网络的训练样本集较大时,两层结构的BP神经网络,岩石硬度预测值与目标值的相对误差随着隐含层节点数的增加而减小;而3层结构的BP神经网络,岩石硬度预测值与目标值的相对误差在隐含层节点数为8时达到最小值,之后随着隐含层节点数的增加而增加.结果 表明:3层结构的BP神经网络比两层结构的具有更好的泛化能力,对岩石硬度识别结果的精度更高,其绝对误差均小于0.04,相对误差均小于0.7％,均能满足判断岩石硬度的精度要求,可以为露天矿爆破参数设计中岩石硬度的识别提供方法和依据.