矿冶工程

作者：谢超群, 李启月, 刘玉丰, 魏新傲, 曾海登

单位：1.中交一公局 西南工程有限公司,四川 成都 610091; 2.中南大学 资源与安全工程学院,湖南 长沙 410083

关键词：支持向量回归,光面爆破,爆破效果预测,隧(巷)道掘进

基金：国家重点研发计划(2016YFC0600802);新疆维吾尔自治区重大科技专项(2018A03003);特长公路隧道机械化安全快速施工技术研究(2018A03003-2)

为了提高隧道掘进光面爆破效果预测准确性,构建了基于支持向量机回归(SVR)的光面爆破效果预测模型。选取炮眼密集系数、最小抵抗线、光爆孔线装药量、光爆孔眼深度和岩石单轴抗压强度共5个影响因素作为输入参数,选取半眼率和超欠挖量共2个爆破效果评价指标作为输出参数,分别利用遗传算法、粒子群算法、模拟退火算法对36组隧(巷)道爆破样本进行优化训练,对4组隧(巷)道爆破样本进行预测并与神经网络预测模型进行对比。结果表明,遗传算法优化效果较好。使用遗传算法的优化结果作为SVR预测模型最终参数,4组样本半眼率实测值与预测值相对误差分别为3.4%、6.1%、4.7%、6.2%,超欠挖量实测值与预测值相对误差分别为0、6.3%、4.0%、6.3%,优于神经网络预测模型,具有很好的准确性,能满足实际工程需要。

来源：2022年第2期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2022年第2期