矿冶工程

作者：王鑫瑀, 曹鹏飞, 肖一清, 徐国权

单位：1.河北钢铁集团矿业有限公司，河北 唐山 063000;2.东华理工大学 地球科学学院，江西 南昌 330000

关键词：爆破振动,饥饿游戏搜索算法,神经网络,振动预测

基金：国家自然科学基金青年基金(52008080)

将饥饿游戏搜索算法(HGS)与神经网络算法(ANN)相结合，开发了一种新的混合模型HGS-ANN，用来预测爆破振动。分别基于数据分组处理方法(GMDH)、支持向量机(SVM)、神经网络算法(ANN)以及萨道夫斯基经验公式建立了4种不同预测模型，并与HGS-ANN模型进行对比，评估模型性能。从某露天矿山收集了32组爆破数据，选择爆心距、最大单段药量、总药量、抵抗线、孔距、孔数、孔深等7个自变量作为输入参数，选择质点振动速度作为输出参数，以均方根误差(RMSE)和决定性系数(<em>R</em>₂)作为模型性能评价指标，对所建立的模型性能进行对比。结果表明，HGS-ANN模型的RMSE和<em>R</em>₂分别为0.833和0.963，性能优于其他4种模型。HGS-ANN模型可以作为一个辅助工具来优化爆破设计，降低爆破地震效应。

来源：2024年第4期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2024年第4期