基于SSA-BP的爆破振动峰值速度预测研究

作     者：李攀云 高文学 张小军 何茂林 葛晨雨 王林 LI Pan-yun;GAO Wen-xue;ZHANG Xiao-jun;HE Mao-lin;GE Chen-yu;WANG Lin

作者机构：北京工业大学城市建设学部北京100124 北京市政路桥股份有限公司北京100045 

出 版 物：《爆破》 (Blasting)

年 卷 期：2024年第41卷第3期

页      面：205-211页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081901[工学-采矿工程] 0819[工学-矿业工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：爆破工程湖北省重点实验室开放基金(项目编号:BL2021-23) 

主　　题：爆破振动 露天矿山 质点峰值振速预测 BP神经网络 SSA-BP神经网络模型 

摘      要：为了精准预测爆破振动峰值速度(PPV),有效降低爆破振动的危害,以星光一号露天矿山爆破工程为依托,选取爆心距、堵塞长度、最小抵抗线、炸药单耗、最大单孔装药量、总延期时间、最大单响药量等7个影响因素作为输入变量,采用灰色关联分析法评估各因素与PPV之间的相关性,构建麻雀搜索算法(SSA)优化BP神经网络的爆破峰值振速预测模型,对三向峰值振动速度进行预测,并与BP神经网络模型预测结果进行对比分析,得到SSA-BP神经网络模型预测结果的平均误差分别为6.08%、7.34%、1.91%,BP神经网络模型预测结果的平均误差分别为22.19%、54.01%、25.29%。研究结果表明:SSA-BP神经网络模型全面考虑了多种爆破设计参数对振动峰值速度的影响;麻雀搜索优化算法有效解决了传统BP神经网络模型容易陷入局部最优的问题,预测结果更精确,与振速监测值吻合度更高、误差更小;并且极大地缩短了样本数据的学习训练时间,加快BP神经网络预测模型的收敛速度,可为类似露天爆破工程质点峰值振速的预测提供借鉴。