基于SSA-BP的爆破振动峰值速度预测研究

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。

关键词

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