RUN-XGBoost 모델을 사용한 개방형 광산에서 PPV 예측에 관한 연구

천공-폭발 방법은 개방형 광산에서 일반적으로 사용되는 채굴 기법이며, 폭발 진동으로 인한 피크 입자 속도(PPV)는 폭발 채굴 설계 매개변수의 합리성을 평가하는 중요한 지표입니다. 효과적인 PPV 예측 모델을 개발하기 위해 Runge-Kutta 최적화 알고리즘(RUN)과 극단 경량 부스트(XGBoost)를 결합한 매개변수 자기 최적화 RUN-XGBoost 예측 모델이 구현됩니다. 최대 폭발물(ME), 총 폭발물(TE), 폭발 중심 거리(BCD), 폭발 구멍 깊이(BHD), 측정 위치와 폭발 위치 간의 높이 차(DH) 등 PPV 예측에 영향을 미치는 요인이 영향을 미치는 지표로 선택됩니다. RK 개방형 구리-코발트 광산에서 188개의 폭발 작업 데이터가 측정되었습니다. 이후, PPV에 대한 RUN-XGBoost 예측 모델이 연구되고 Sadovsky 경험 공식, 전통적인 XGBoost 모델, PSO-XGBoost 모델 및 일부 전통적인 머신러닝 모델(릿지, 라쏘, SVM, SVR)과 R2, RMSE, VAF, MAE, MBE를 평가 지표로 사용하여 비교됩니다. 마지막으로 Shapley Additive Explanations(SHAP) 방법을 사용하여 다양한 영향 지표의 PPV 예측 결과에 대한 기여도를 평가합니다. 결과는 RUN-XGBoost 예측 모델이 PPV 예측에서 다른 머신러닝 모델 및 Sadovsky 경험 공식을 성능 면에서 현저히 초월함을 보여주며, 따라서 RUN-XGBoost 예측 모델이 여러 요인의 비선형 특성을 처리할 수 있고 신뢰할 수 있는 단순하고 효과적인 PPV 예측 모델을 제공할 수 있음을 추가로 입증하며, 개방형 광산에서 폭발 진동에 대한 신속한 예측 및 평가 방법을 형성합니다.