基于ACO-BP神经网络的爆破块度预测模型及其应用

摘要

爆破块度是岩石性质、爆破参数和炸药性质等组合作用结果，其准确预测是实现矿山精细爆破与采选能耗协同优化的关键.为了提升预测精度，构建了基于蚁群优化（ACO）算法和BP神经网络的爆破块度预测模型，并确定了主要影响因素.以司家营露天矿为例，为提升预测精度，通过建立爆破案例样本库来训练模型，分析了各影响因素权重.结果表明：ACO显著提高了模型的预测能力；在爆破块度影响因素中，孔距权重最大，最小抵抗线权重最小；爆破参数对爆破块度的影响存在最优范围，单一调节某参数难以持续改善爆破块度.该模型为根据爆破效果要求反向优化爆破设计提供了有效手段和理论依据.

关键词

ACO-BP神经网络 / 精细爆破 / 爆破块度 / 影响因素权重 / 反向优化