露天爆破飞石距离智能预测研究

作     者：周红敏 赵玉杰 张宪堂 王洪立 

作者机构：山东科技大学土木工程与建筑学院 山东省土木工程防灾减灾重点实验室 

出 版 物：《安全与环境学报》 (Journal of Safety and Environment)

年 卷 期：2024年第7期

页      面：2554-2564页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目(51874189) 山东省自然科学基金面上项目(ZR2023ME106) 2021年度矿山地下工程教育部工程研究中心开放基金资助项目(JYBGCZX2021102) 

主　　题：安全工程 爆破安全距离 飞石 思维进化算法 神经网络 

摘      要：为了在露天爆破中更准确地预测出飞石的抛掷距离，研究引入多科得分的概念，利用多科得分思维进化算法(Multidisciplinary Score Mind Evolutionary Algorithm, MSMEA)对BP神经网络(Back-Propagation Neural Network)进行优化并建立模型来预测飞石距离。通过分析隐含层神经元个数、种群规模、子种群规模、优胜及临时子种群个数建立了64个多科得分思维进化算法优化BP神经网络模型(Back-Propagation Neural Network Optimized by Multidisciplinary Score Mind Evolutionary Algorithm, MSMEA-BP),并选取了其中最优的MSMEA-BP模型。为了验证预测模型的有效性，分别用MSMEA-BP模型、思维进化算法优化BP神经网络模型(Back-Propagation Neural Network Optimized by Mind Evolutionary Algorithm, MEA-BP)和BP神经网络模型对10组爆破飞石距离进行预测。结果显示，MSMEA-BP模型得到的预测结果与真实值之间的平均相对误差、决定系数、均方根误差、均方根百分比误差分别达到3.67%、0.980 8、7.357 1、1.33%,依次优于MEA-BP模型和BP神经网络模型，表明在相同训练条件下，采用多科得分思维进化算法对BP神经网络模型进行优化，可以克服BP神经网络易陷入局部最优解的问题，进而显著提高模型的预测精度。该方法为预测爆破飞石距离提供了一个新思路。