基于GRA-DBO-BP神经网络的露天矿山爆破振动速度预测研究

摘要

为提高露天矿山爆破振动预测精度并降低其对周边建(构)筑物的危害风险，提出一种基于蜣螂算法(DBO)优化BP神经网络参数的爆破振动预测模型(DBO-BP)。以新疆哈密别斯库都克露天矿爆破工程为例，应用灰色关联度(GRA)分析，评估最小抵抗线、爆心距、炸药单耗、堵塞长度、高程差、排间延期时间及最大单响药量等7个关键参数与爆破振动峰值速度(PPV)径向、切向、垂向分量的关联性。引入DBO算法优化BP神经网络的权值与阈值，构建GRA-DBO-BP模型预测径向、切向和垂向的爆破振动峰值速度(PPV)。通过对比GRA-BP神经网络、GRA-DBO-BP神经网络模型的预测结果，验证了GRA-DBO-BP模型的优越性。为进一步验证该方法的普适性与可靠性，选取新疆天池能源南露天煤矿边坡岩体爆破工程为验证对象。结果表明:GRA能有效评估爆破参数与PPV的相关性，且各爆破参数的关联度值均在0.6以上，DBO优化可有效规避BP神经网络易收敛至局部最优的问题，进一步提高了预测结果的可靠性和准确度。研究结果可为露天爆破矿山工程振动控制与安全施工提供理论支持与技术参考。

关键词

峰值质点振动速度 / 灰色关联度 / 蜣螂优化算法 / BP神经网络 / 露天矿山

基金资助

巴里坤科技计划项目(项目号BLKKJ 24-05)