Loading...
机构名称:
¥ 1.0

I.引言Flyrock是爆炸启动时远离采矿区的岩石质量。通常考虑的第一个参数是:负担,爆炸孔直径,深度,粉末因子间距,茎,爆炸性材料类型和sub-drill在Flyrock预测期间是可控参数。此外,爆炸工程师无法影响的岩石性能是无法控制的参数,例如压缩间距和岩石的拉伸强度。因此,爆炸工程师必须更改第一个参数,以最大程度地减少flyrock掷距离。设计了各种经验方程,以设想由爆破操作[1],[2]产生的fly架。经验模型是根据flyrock上的几个现场实验的有效参数开发的,即孔直径,爆炸性,茎,负担的密度,弹出材料,粉末因子和孔长度的初始发射速度。因此,这些经验方程的性能预测能力在许多情况下不是很有效[2],[3]。

使用高斯进程回归机器学习模型的Flyrock投掷预测

使用高斯进程回归机器学习模型的Flyrock投掷预测PDF文件第1页

使用高斯进程回归机器学习模型的Flyrock投掷预测PDF文件第2页

使用高斯进程回归机器学习模型的Flyrock投掷预测PDF文件第3页

使用高斯进程回归机器学习模型的Flyrock投掷预测PDF文件第4页

使用高斯进程回归机器学习模型的Flyrock投掷预测PDF文件第5页

相关文件推荐