基于SSA-XGBoost的爆破振动预测系统的构建与应用

摘要

爆破振动质点速度峰值(Peak particle velocity, PPV)是衡量爆破振动对周围环境和结构物造成的影响程度的重要指标。为提高爆破振动质点速度峰值预测的可靠性，提出了一种基于麻雀搜索算法(Sparrow search algorithm, SSA)优化极端梯度提升树(Extreme gradient boosting, XGBoost)的PPV预测模型，通过Matlab软件中的App Designer模块构建了相应的爆破振动预测系统。通过36组训练数据和5组测试数据，选取了最大单段炸药量、爆心距和测点至爆破工作面的高程差作为模型输入参数，对PPV进行了预测。结果表明，提出的SSA-XGBoost模型相较于GA-BPNN模型和BPNN模型具有更小的平均相对误差，泰勒图进一步证明了SSA-XGBoost具有更高的预测精度和更好的稳定性。

关键词

爆破振动 / 爆破振动速度峰值 / 麻雀搜索算法 / 极端梯度提升树 / 预测系统

基金资助

国家自然科学基金项目(52174088)