基于MD-PCA-BP模型的露天矿山爆破振动速度预测

摘要

为解决露天矿山爆破复杂场地地质条件的爆破振动预测问题，提出了一种基于马氏距离判别(MD)和主成分分析(PCA)的改进BP神经网络预测模型，即MD-PCA-BP模型。结合内蒙古长滩露天矿爆破振动监测数结果，利用马氏距离判别法剔除监测数据的离群值，并采用主成分分析法对爆破振动影响因素进行降维处理得到3个主成分因子，计算各主成分因子的得分，最终通过BP神经网络构建爆破振动与主成分得分的非线性关系，建立了基于MD-PCA-BP的爆破振动预测模型。结果表明：基于MD-PCA-BP模型建立的爆破振动速度预测模型预测结果与实测值的拟合度达到0.94,预测模型具有较高的预测精度；将预测结果与萨道夫斯基经验公式、2个改进的高程经验公式、MD-BP模型、PCA-BP模型以及BP模型进行比较，MD-PCA-BP模型的预测误差大部分在10%以内，相较于经验公式和未改进的BP预测模型具有更高的可靠度和准确度。基于MD-PCA-BP的爆破振动预测模型在复杂地形的爆破振动速度预测方面表现出了良好的预测效果，对复杂地形的爆破振动预测具有一定的参考作用。

关键词

露天矿山 / 爆破振动 / 马氏距离 / 主成分分析 / BP神经网络模型