基于遷移學(xué)習(xí)算法的深部爆破振動(dòng)速度預(yù)測(cè)

摘要： 為了更好地預(yù)測(cè)深部礦山爆破振動(dòng)速度，針對(duì)深部爆破振動(dòng)速度預(yù)測(cè)中存在的樣本量小、數(shù)據(jù)分布同淺部爆破不同的問(wèn)題，將淺部地下礦山爆破數(shù)據(jù)中有用的知識(shí)遷移至深部礦山爆破振動(dòng)速度預(yù)測(cè)模型中，提出一種邏輯回歸遷移學(xué)習(xí)算法(LR-TrAdaboost),提升模型的樣本容量及預(yù)測(cè)準(zhǔn)確率；以某銅礦深部爆破振動(dòng)速度預(yù)測(cè)為研究對(duì)象，結(jié)合該銅礦27條深部爆破數(shù)據(jù)以及梅山礦等5個(gè)地下金屬礦204條淺部爆...