一种露天矿山爆破振动预测系统及方法与流程

本发明涉及矿山安全监测领域，具体涉及一种露天矿山爆破振动预测系统及方法。

背景技术：

1、露天矿山爆破作业是矿山开采中的一项关键活动，其目的是通过控制爆破来破碎岩石，以便进一步的开采和运输。然而，爆破产生的振动不仅对矿山作业本身有重要影响，也可能对周边环境和设施造成损害。因此，准确预测和控制爆破振动对于保障生产安全和环境保护至关重要。

2、现有的爆破振动预测方法主要依赖于经验公式和理论模型，这些方法通常需要大量的现场测试和复杂的计算过程。然而，这些传统方法存在一些局限性，主要体现为：

3、(1)经验公式的局限性：基于经验公式的方法往往需要大量的现场数据来校准，且预测精度受限于经验公式的普适性。(2)理论模型的不足：理论模型通常假设条件较为理想化，与实际矿山环境的复杂性存在差异，导致预测结果与实际情况有偏差。(3)实时监测与数据处理：现有技术在实时监测和处理大量振动数据方面存在不足，难以实现快速响应和实时预测。(4)环境影响评估：传统的预测方法在评估爆破振动对周边环境和设施的具体影响方面还不够精确，难以为环境保护提供有力支持。

4、鉴于上述问题，开发一种新的露天矿山爆破振动预测系统和方法显得尤为迫切。该系统和方法需要能够准确预测爆破振动，降低对环境和设施的影响，同时提高生产安全性和效率。此外，该系统还应该能够利用历史数据和实时监测数据，通过数据驱动的方法提高预测模型的可靠性和适用性。

技术实现思路

1、为解决上述背景中的技术问题，本发明旨在提供一种基于数据驱动的露天矿山爆破振动预测方法及系统，以实现对爆破振动的准确预测，以提高生产安全性和效率。

2、为实现上述目的，本发明提供了一种露天矿山爆破振动预测系统，包括：采集模块、预处理模块、构建模块和预测模块；

3、所述采集模块用于采集爆破作业过程中的振动数据；

4、所述预处理模块用于对所述振动数据进行预处理，得到处理后数据；

5、所述构建模块用于构建预测模型，并利用所述处理后数据，得到预测模型；

6、所述预测模块用于利用所述预测模型，完成爆破振动预测。

7、优选的，所述采集模块包括：若干传感器；

8、所述传感器用于捕捉爆破引起的振动波传播情况。

9、优选的，所述预处理模块包括：接收单元、处理单元和传输单元；

10、所述接收单元用于接收所述振动数据；

11、所述处理单元用于得到所述处理后数据；

12、所述传输单元用于将所述处理后数据传输至所述构建模块。

13、优选的，所述构建模块以神经网络模型为基础，构建所述预测模型，所述预测模型包括：特征提取层、可分离卷积层和优化器。

14、优选的，所述优化器采用adam，学习率为0.001，学习率衰减为0.002，批大小batchsize为20，早停指标为20。

15、本发明还提供了一种露天矿山爆破振动预测方法，所述方法应用于上述系统，步骤包括：

16、采集爆破作业过程中的振动数据；

17、对所述振动数据进行预处理，得到处理后数据；

18、构建预测模型，并利用所述处理后数据，得到预测模型；

19、利用所述预测模型，完成爆破振动预测。

20、优选的，以神经网络模型为基础，构建所述预测模型，包括：特征提取层、可分离卷积层和优化器。

21、优选的，所述优化器采用adam，学习率为0.001，学习率衰减为0.002，批大小batchsize为20，早停指标为20。

22、与现有技术相比，本发明的有益效果如下：

23、本发明提高了对露天矿山爆破振动的准确预测能力，有助于降低对周边环境和设施的影响，保障生产和生态环境的安全。同时采用数据驱动的方法，能够更好地利用历史数据和实时监测数据，提高了预测模型的可靠性和适用性。

技术特征：

1.一种露天矿山爆破振动预测系统，其特征在于，包括：采集模块、预处理模块、构建模块和预测模块；

2.根据权利要求1所述的露天矿山爆破振动预测系统，其特征在于，所述采集模块包括：若干传感器；

3.根据权利要求1所述的露天矿山爆破振动预测系统，其特征在于，所述预处理模块包括：接收单元、处理单元和传输单元；

4.根据权利要求1所述的露天矿山爆破振动预测系统，其特征在于，所述构建模块以神经网络模型为基础，构建所述预测模型，所述预测模型包括：特征提取层、可分离卷积层和优化器。

5.根据权利要求4所述的露天矿山爆破振动预测系统，其特征在于，所述优化器采用adam，学习率为0.001，学习率衰减为0.002，批大小batch size为20，早停指标为20。

6.一种露天矿山爆破振动预测方法，所述方法应用于权利要求1-5任一项所述的系统，其特征在于，步骤包括：

7.根据权利要求6所述的露天矿山爆破振动预测方法，其特征在于，以神经网络模型为基础，构建所述预测模型，包括：特征提取层、可分离卷积层和优化器。

8.根据权利要求7所述的露天矿山爆破振动预测方法，其特征在于，所述优化器采用adam，学习率为0.001，学习率衰减为0.002，批大小batch size为20，早停指标为20。

技术总结本发明公开了一种露天矿山爆破振动预测系统及方法，其中系统包括：采集模块、预处理模块、构建模块和预测模块；采集模块用于采集爆破作业过程中的振动数据；预处理模块用于对振动数据进行预处理，得到处理后数据；构建模块用于构建预测模型，并利用处理后数据，得到预测模型；预测模块用于利用预测模型，完成爆破振动预测。本发明提高了对露天矿山爆破振动的准确预测能力，有助于降低对周边环境和设施的影响，保障生产和生态环境的安全。同时采用数据驱动的方法，能够更好地利用历史数据和实时监测数据，提高了预测模型的可靠性和适用性。技术研发人员：高久庆,张德峰,赵鑫受保护的技术使用者：中铁十九局集团矿业投资有限公司技术研发日：技术公布日：2024/9/29